基于深度学习的滚动轴承故障诊断与性能退化程度识别方法

• 作者: 佟祥伟 姜万录 张生 李振宝 雷亚飞
• 来源期刊: 燕山大学学报
• 学科: 工学
• 关键词: 平滑伪Wigner-Ville分布 卷积神经网络 深度学习 故障识别
• 年，卷（期）: 2020,（6）
• 所属期刊栏目: 机械工程
• 页码范围: 526-536
• 页数: 11页
• 分类号: TB137.9
• 语种: 中文
• DOI: 10.3969/j.issn.1007-791X.2020.06.002

摘要

针对传统故障诊断方法数据处理较复杂、特征提取技术难度大等难题,提出了一种基于平滑伪Wigner-Ville分布(SPWVD)与深度学习相结合的故障诊断方法.首先对滚动轴承的振动信号进行小波包分解,提取其低频分量进行平滑伪Wigner-Ville变换得到原始特征图,为了减少卷积神经网络的计算量,对原始特征图进行降维,得到振动信号的降维输入特征图.应用深度学习算法进行数据驱动的特征学习,将降维输入特征图作为卷积神经网络的输入,通过对降维输入特征图的学习自动提取其中的特征.最后应用训练好的卷积神经网络模型对测试样本进行故障识别.诊断结果表明,基于SPWVD与卷积神经网络结合的故障诊断方法可以有效地实现滚动轴承故障诊断与性能退化程度的识别,识别准确率较高且具有较强的鲁棒性和较好的通用性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	姜万录		138	1777	24.0	35.0
2	张生		6	8	2.0	2.0
3	李振宝		4	1	1.0	1.0
4	雷亚飞		4	9	2.0	3.0
5	佟祥伟		1	0	0.0	0.0