基于FNER性能退化指标及IDRSN的滚动轴承寿命状态识别方法

• 作者: 董绍江 裴雪武 汤宝平 田科位 朱朋 李洋 赵兴新
• 来源期刊: 机械工程学报
• 学科: 工学
• 关键词: 特征噪声能量比 滚动轴承性能退化评估 早期故障检测 改进深度残差收缩网络 寿命状态识别
• 年，卷（期）: 2021,（15）
• 所属期刊栏目: 机械动力学
• 页码范围: 105-115
• 页数: 11页
• 分类号: TH17|TN911
• 语种: 中文
• DOI: 10.3901/JME.2021.15.105

摘要

针对滚动轴承退化性能难以评估、寿命状态难以识别的问题,提出一种基于特征噪声能量比(Feature-to-noise energy ratio,FNER)指标及改进深度残差收缩网络(Improved deep residual shrinkage network,IDRSN)的滚动轴承寿命状态识别新方法.首先,将全寿命轴承信号进行希尔伯特(Hilbert)变换和快速傅里叶变换(Fast fourier transform,FFT)得到包络谱,根据故障特征频率及其倍频计算包络谱幅值的特征能量比(Feature energy ratio,FER);然后,根据自相关函数(Autocorrelation function,AF)得到包络信号的总能量,将故障特征能量和噪声能量的比值作为轴承性能退化指标,之后按照FNER指标曲线划分轴承寿命状态和实现样本标签化;随后,使用标签化样本训练引入了密集连接网络的IDRSN得到轴承寿命状态识别模型.为了提高抗干扰能力,将DropBlock层引入第一个大型卷积内核,在全局平均池化之前引入Dropout技术.最后,运用两个滚动轴承全寿命周期数据集验证FNER指标和IDRSN模型的实用性和有效性,结果表明所提方法能更准确地实现滚动轴承寿命状态识别.