基于改进稀疏滤波与深度网络融合的轴承故障诊断

• 作者: 乔美英 史建柯 汤夏夏 闫书豪
• 来源期刊: 浙江大学学报（工学版）
• 学科: 工学
• 关键词: 特征提取 稀疏滤波 空洞门卷积 双向LSTM 故障分类 抗噪性
• 年，卷（期）: 2020,（12）
• 所属期刊栏目: 机械工程、能源工程
• 页码范围: 2301-2309,2422
• 页数: 10页
• 分类号: TM307
• 语种: 中文
• DOI: 10.3785/j.issn.1008-973X.2020.12.004

摘要

针对滚动轴承故障时特征提取依赖人工经验,以及故障类别难以自动准确识别的问题,提出了一种改进稀疏滤波和深层空洞门卷积网络相结合的故障诊断模型.采用滑动窗对具有时序特征的轴承振动信号进行采样处理以避免过拟合;通过改进目标函数的稀疏滤波消除数据中的异方差并提取数据特征,达到缩短计算时间和提高分类准确率的效果;利用空洞门卷积和双向LSTM网络对噪声进行滤除,同时进行故障分类识别.对比凯斯西储大学和动力系统装置的轴承实验数据,显示该模型故障诊断准确率可达98％.不同负载和不同信噪比的轴承振动信号实验,表明该模型具有泛化性和抗噪性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	乔美英		30	109	6.0	9.0
2	闫书豪		3	0	0.0	0.0
3	汤夏夏		2	0	0.0	0.0
4	史建柯		1	0	0.0	0.0