基于小波包-1.5维Teager能量谱图和深度学习的 滚动轴承故障诊断方法研究

• 作者: 张臻 董鹏朝 豆龙江 高义 张玉松 王奕铮
• 来源期刊: 科技与创新
• 学科: 工学
• 关键词: 小波包分解 Teager能量算子 1.5维谱 深度学习
• 年，卷（期）: 2024,（12）
• 页码范围: 10-15
• 页数: 6页
• 语种: 中文
• DOI: 10.15913/j.cnki.kjycx.2024.12.003

摘要

带式输送机工作环境恶劣、干扰源复杂，受非周期性冲击及谐波干扰，其托辊滚动轴承故障诊断困难。针对此问题，提出了一种基于小波包-1.5维Teager能量谱图和深度学习相结合的滚动轴承故障诊断方法。首先，利用小波包分解对故障信号进行分解，提取能量占比较高的分量进行重构；然后，采用Teager能量算子和1.5维谱处理重构信号滤除周期性谐波干扰，构建出故障特征能量谱图；最后，利用卷积神经网络对能量谱图进行训练和测试，精准诊断出滚动轴承故障类型。仿真与实验分析结果表明，所提方法可有效滤除非周期性冲击和谐波的干扰，并精准诊断出轴承故障类型。所提方法为托辊滚动轴承的故障诊断提供了一种新思路，具有一定的工程应用价值。