基于组合降噪的卷积神经网络轴承故障诊断方法

• 作者: 陈雪俊 贝绍轶 李波 卿宏军 毛坤鹏
• 来源期刊: 重庆理工大学学报（自然科学版）
• 关键词: SVD分解 自适应CEEMD分解 卷积神经网络 故障诊断
• 年，卷（期）: 2021,（2）
• 所属期刊栏目: 机械·材料
• 页码范围: 96-104
• 页数: 9页
• 分类号: TH17|TH133
• 语种: 中文
• DOI: 10.3969/j.issn.1674-8425(z).2021.02.013

摘要

针对滚动轴承振动信号包含不同频率复杂噪声,单一降噪方法难以去除多种噪声,导致最终故障诊断率低的问题.提出一种基于组合降噪的卷积神经网络的轴承故障诊断方法.首先,通过SVD分解方法,根据奇异值差分谱,一次降噪并重构信号,去除信号内能量较低的宽频率噪声;再根据降噪重构信号,自适应选取CEEMD分解的参数,并进行自适应CEEMD分解,利用线性相关系数与峭度交集法滤除相关程度低、故障特征信息少的IMF分量,同时二次降噪并重构信号;最后,构建一维卷积神经网络并进行轴承故障诊断.通过原信号和组合降噪后信号的时频分析,轴承故障诊断实验,验证了该方法的有效性.