基于VMD和卷积神经网络的变工况轴承故障诊断方法

• 作者: 陈剑 黄凯旋 吕伍佯 刘圆圆 杨斌 刘幸福 蔡坤奇
• 来源期刊: 计量学报
• 关键词: 计量学 滚动轴承 复合型故障诊断 变工况 卷积神经网络 状态识别
• 年，卷（期）: 2021,（7）
• 页码范围: 892-897
• 页数: 6页
• 分类号: TB936
• 语种: 中文
• DOI: 10.3969/j.issn.1000-1158.2021.07.10

摘要

针对变工况条件下轴承故障数据无法大量获取以及诊断困难的问题,提出了基于变分模态分解和卷积神经网络的轴承故障诊断方法,使用稳态工况获取的数据训练,能对变工况下的数据实现有效诊断.首先对轴承振动信号进行变分模态分解,以获得有限带宽的固有模态函数;然后构建卷积神经网络模型,采用优化技术提高模型适应性,实现对固有模态函数的自适应特征提取和分类;最后使用台架试验获得的滚动轴承故障数据进行验证,并与深度残差网络和支持向量机进行对比.结果表明,该模型对变工况数据的诊断/识别率达到100％/98.86％,高于对比模型的测试结果,有效实现了变工况轴承故障诊断.