基于EMD-SDP特征融合的CNN轴承保持架故障诊断研究

• 作者: 熊晓燕 牛蔺楷 祁宏伟 谢宏浩 郑一珍
• 来源期刊: 机电工程
• 学科: 工学
• 关键词: 保持架故障诊断 经验模态分解 对称点模式 卷积神经网络 特征融合
• 年，卷（期）: 2021,（1）
• 所属期刊栏目: 机械、仪表技术
• 页码范围: 81-87
• 页数: 7页
• 分类号: TH133|TP391
• 语种: 中文
• DOI: 10.3969/j.issn.1001-4551.2021.01.012

摘要

针对滚动轴承保持架故障振动信号存在的不稳定性、无冲击特性和故障特征难以获取等问题,提出了一种基于EMD-SDP特征融合的CNN轴承保持架故障诊断方法.采用了SDP信息融合方法对保持架故障振动信号的EMD固有模态分量进行了特征信息融合,展示了不同保持架故障振动信号的时频特性;分析了滚动轴承保持架不同故障状态下的SDP特征图像差异;之后,结合CNN模型进行了SDP图像识别,设计出了一种基于EMD与SDP特征融合的CNN轴承保持架故障诊断方法模型;最后,通过旋转机械故障试验台,对轴承保持架故障进行了模拟实验.研究结果表明:该方法能够实现99％以上的故障识别率,进一步验证了通过深度学习算法自适应提取SDP信息融合图像特征的方法,可有效应用于轴承保持架故障诊断中.