基于CNN并引入EMD预处理机制的滚动轴承故障诊断方法

• 作者: 刘阿慧 徐先峰 王研 郎彬
• 来源期刊: 工业仪表与自动化装置
• 关键词: 滚动轴承 EMD 相关系数 CNN 故障诊断
• 年，卷（期）: 2020,（4）
• 所属期刊栏目: 科研论坛
• 页码范围: 7-11
• 页数: 5页
• 分类号: TH113
• 语种: 中文

摘要

滚动轴承故障信号具有非线性、非平稳、强噪声特性,传统算法依赖于人工特征提取且缺乏自适应性.为此,该文利用经验模态分解(EMD)将原始特征集分解为一系列平稳的本征模态函数(IMF),结合相关系数遴选能突出更多局部特征的IMF构建特征向量,剔除部分噪声干扰信号.构造卷积神经网路(CNN)的多层特征提取网络,以遴选的特征向量为输入将其逐级变换为抽象的深层特征,最后完成特征域到故障类别域的映射.实验结果表明,该算法相比较其他方法具有更高的准确率、更好的鲁棒性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	徐先峰	长安大学电子与控制工程学院	21	77	5.0	8.0
2	王研	长安大学电子与控制工程学院	2	0	0.0	0.0
3	刘阿慧	长安大学电子与控制工程学院	2	0	0.0	0.0
4	郎彬	长安大学电子与控制工程学院	2	0	0.0	0.0