采用HHT算法与卷积神经网络诊断轴承复合故障

• 作者: 伍星 刘韬 施杰
• 来源期刊: 农业工程学报
• 学科: 工学
• 关键词: 轴承 故障诊断 卷积神经网络 希尔伯特-黄变换 多种群差分进化 集合经验模式分解
• 年，卷（期）: 2020,（4）
• 所属期刊栏目: 农业装备工程与机械化
• 页码范围: 34-43
• 页数: 10页
• 分类号: TH165|TH17
• 字数: 8513字
• 语种: 中文
• DOI: 10.11975/j.issn.1002-6819.2020.04.005

摘要

针对农业机械装备中滚动轴承复合故障特征提取与智能诊断问题,该文提出了一种将希尔伯特-黄变换的改进算法(improved hilbert-huang transform,IHHT)与卷积神经网络(convolution neural network,CNN)相结合的诊断方法.首先,通过多种群差分进化改进的集合经验模式分解(multiple population differential evolution-ensemble empirical mode decomposition,MPDE-EEMD)和敏感固有模态函数筛选方法来改进HHT,提取出故障信号时频特征.然后,在AlexNet网络模型基础上遍历所有可能的CNN模型组合,构建出适应于滚动轴承故障诊断的CNN网络模型.再将训练集生成的IHHT时频图输入CNN中进行学习,不断更新网络参数;并将该模型应用于测试集,输出故障识别结果.最后,通过滚动轴承单一故障和复合故障2种试验,将所提出的IHHT+CNN方法分别与传统的BP神经网络、DWT+CNN和STFT+CNN方法进行比较.研究表明,该文的IHHT+CNN方法对单一与复合故障的正确率分别达到100％和99.74％,均高于其他3种方法,实现了不同工况下端到端的轴承复合故障智能诊断,并具有较好的泛化能力和鲁棒性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘韬	昆明理工大学机电工程学院	30	72	6.0	8.0
2	伍星	昆明理工大学机电工程学院	109	394	10.0	14.0
3	施杰	昆明理工大学机电工程学院	54	144	5.0	10.0