基于联合抗噪算法的滚动轴承故障诊断研究

• 作者: 刘冲
• 来源期刊: 华东交通大学学报
• 学科: 工学
• 关键词: 降噪自编码 卷积神经网络 故障诊断 抗噪诊断
• 年，卷（期）: 2020,（4）
• 所属期刊栏目: 载运工具装备
• 页码范围: 82-87
• 页数: 6页
• 分类号: TP165
• 语种: 中文

摘要

轴承通常工作于复杂噪声环境下,使得时域振动信号容易受到各种噪声的污染,从而误导诊断结果.针对以上问题,提出基于一维卷积自编码(1D-DCAE)和一维卷积神经网络(1D-CNN)的联合抗噪故障诊断算法.为了模拟真实噪声环境,在原始振动信号中添加不同信噪比的高斯噪声,用1D-DCAE对原始信号降噪,再将降噪信号用于1D-CNN进行故障诊断.基于全卷积神经网络搭建1D-DCAE模型,并舍弃池化层以降低信息丢失,以提高联合诊断模型的抗噪能力.结果 表明:采用基于全卷积网络搭建的1D-DACE有更好的降噪效果,改进后的模型能自适应诊断各种噪声环境下的故障.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘冲		1	0	0.0	0.0