基于改进谱峭度图与多维融合CNN的轴承故障诊断方法
针对轴承振动信号中存在与故障特征相关性较低成分的干扰导致故障诊断准确率降低的问题,提出了一种基于改进谱峭度图与多维融合CNN的轴承故障诊断方法.首先,为提高振动信号与故障特征的相关性,减少干扰成分,以双树复小波包变换为基础构建改进谱峭度图模型,增强多分辨率差异性故障特征表达.然后,考虑丰富特征评价维度,构建多维融合CNN模型,将原始信号与改进谱峭度图共同作为多维特征输入实现故障精准诊断.实验结果表明,该方法能够提取各类轴承振动信号中具备差异性的故障特征,在多工况下均能够准确识别轴承故障,具有较好的诊断精度.
故障诊断、集合经验模态分解、改进谱峭度图、双树复小波包变换、多维融合卷积神经网络
46
TP183(自动化基础理论)
国家自然科学基金;江苏省自然科学基金面上项目
2023-07-10(万方平台首次上网日期,不代表论文的发表时间)
共7页
185-191