基于MED辅助特征提取CNN模型的列车轴承故障诊断方法

• 作者: 杨劼立 林建辉 谌亮
• 来源期刊: 中国测试
• 学科: 交通运输
• 关键词: 列车 轴承 故障诊断 MED CNN
• 年，卷（期）: 2020,（10）
• 所属期刊栏目: 测控技术
• 页码范围: 124-129
• 页数: 6页
• 分类号: U279.3
• 语种: 中文
• DOI: 10.11857/j.issn.1674-5124.2020020011

摘要

为增强基于振动信号的列车滚动轴承故障的诊断准确性,提出一种采用MED辅助特征提取的卷积神经网络模型.首先采用MED理论对振动信号进行处理,再将其与原信号构成二维张量送入卷积神经网络进行训练.这样,既在一定程度上突出信号中故障引起的冲击成分,使得故障特征更容易被卷积神经网络提取出来,也完整地保留原信号中的信息,不影响信息的完整性.采用实测轴承数据进行性能分析和验证,对比直接使用CNN的方法.结果表明:该模型确拥有更好的性能,在测试集与训练集来自于不同运行速度数据的情况下,表现出更好的泛化能力,更高的诊断准确性,将测试集的诊断准确率提高2个百分点,是一种能更好用于列车滚动轴承故障智能诊断的方法.