基于SSD和1DCNN的滚动轴承故障诊断方法

• 作者: 宋霖 宿磊 李可 苏文胜
• 来源期刊: 华中科技大学学报（自然科学版）
• 学科: 工学
• 关键词: 滚动轴承 故障诊断 奇异谱分解 峭度 一维卷积神经网络
• 年，卷（期）: 2020,（12）
• 所属期刊栏目: 机械工程
• 页码范围: 38-43
• 页数: 6页
• 分类号: TH133.3|TP206.3
• 语种: 中文
• DOI: 10.13245/j.hust.201207

摘要

针对滚动轴承故障诊断中振动信号易受强背景噪声干扰,出现非平稳、非线性的特性,导致故障诊断精度较低等问题,提出了一种基于奇异谱分解(SSD)和一维卷积神经网络(1DCNN)的滚动轴承故障诊断方法.首先,利用SSD将原始振动信号分解成若干个频率尺度的奇异谱(SSC)分量,并根据峭度准则选取有效SSC分量对信号进行重构;然后,构建一维卷积神经网络结构,先将重构后的信号输入模型进行训练,充分提取信号的特征,再由输出层输出诊断结果;最后,进行滚动轴承故障诊断实验,结果表明:提出的诊断方法诊断准确率达到98.9％,比传统方法具有更高的准确性和稳定性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李可		24	78	6.0	8.0
2	宿磊		18	31	3.0	5.0
3	宋霖		1	0	0.0	0.0
4	苏文胜		1	0	0.0	0.0