基于EMD与卷积神经网络的滚动轴承故障诊断

• 作者: 夏筱筠 孙维堂 王海龙
• 来源期刊: 组合机床与自动化加工技术
• 学科: 工学
• 关键词: 故障诊断 滚动轴承 EMD 卷积神经网络
• 年，卷（期）: 2019,（10）
• 所属期刊栏目: 控制与检测
• 页码范围: 46-48,52
• 页数: 4页
• 分类号: TH166|TG506
• 字数: 2855字
• 语种: 中文
• DOI: 10.13462/j.cnki.mmtamt.2019.10.012

摘要

为增强滚动轴承故障诊断过程的智能性,提高故障诊断的准确率,并适应大数据故障诊断的需求.文章提出了一种基于经验模态分解(EMD)及卷积神经网络(CNN)的滚动轴承故障特征提取的方法.即将滚动轴承振动信号进行经验模态分解后得到若干个模态分量(IMF),与原始振动数据一起构成二维的特征图,输入卷积神经网络中进行学习训练.最后通过与其他多种方法进行对比验证可以得出,该方法对滚动轴承多种类型多种严重程度的故障有着很高的识别准确率,并且识别过程更具智能性.且增加训练样本的数量可以提高该方法的鲁棒性,更加适合处理针对大数据的故障诊断.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王海龙	中国科学院沈阳计算技术研究所	35	356	10.0	18.0
5	夏筱筠	中国科学院沈阳计算技术研究所	29	98	5.0	9.0
6	孙维堂	中国科学院沈阳计算技术研究所	9	68	4.0	8.0