基于联合抗噪算法的滚动轴承故障诊断研究

摘要：

轴承通常工作于复杂噪声环境下,使得时域振动信号容易受到各种噪声的污染,从而误导诊断结果.针对以上问题,提出基于一维卷积自编码(1D-DCAE)和一维卷积神经网络(1D-CNN)的联合抗噪故障诊断算法.为了模拟真实噪声环境,在原始振动信号中添加不同信噪比的高斯噪声,用1D-DCAE对原始信号降噪,再将降噪信号用于1D-CNN进行故障诊断.基于全卷积神经网络搭建1D-DCAE模型,并舍弃池化层以降低信息丢失,以提高联合诊断模型的抗噪能力.结果 表明:采用基于全卷积网络搭建的1D-DACE有更好的降噪效果,改进后的模型能自适应诊断各种噪声环境下的故障.

关键词：降噪自编码、卷积神经网络、故障诊断、抗噪诊断

所属期刊栏目：37

分类号：TP165(自动化基础理论)

在线出版日期：2020-10-14（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：82-87