10.16351/j.1672-6987.2021.02.014
基于CEEMDAN-Hilbert-CNN的滚动轴承故障诊断
在故障诊断方面,针对希尔伯特黄变换信号分解存在模态混叠和人工神经网络面对高维数据收敛性差、特征分类误差大等问题,提出一种改进的希尔伯特黄变换与卷积神经网络相结合的滚动轴承故障诊断的新方法:将希尔伯特黄变换的经验模态分解替换为自适应白噪声的完整经验模态分解,并与卷积神经网络相结合.提出的滚动轴承故障诊断新方法进行故障诊断过程:首先应用改进的希尔伯特黄变换对数据进行处理得到一个瞬时频率矩阵,然后将瞬时频率矩阵进行重构,最后搭建卷积神经网络,将重构数据输入卷积神经网络进行分类.经反复实验并与已有方法进行比较,可验证所提出的方法是合理且行之有效的.
滚动轴承、故障诊断、自适应白噪声的完整经验模态分解、希尔伯特黄变换、卷积神经网络
42
TH133.3;TP18
青岛科技大学科研启动基金资助项目010022586
2021-04-14(万方平台首次上网日期,不代表论文的发表时间)
共7页
97-103