基于VMD与多尺度一维卷积神经网络的故障诊断方法

摘要：

针对旋转机械设备在多工况、小样本状态下故障诊断精度不高的问题,提出一种基于VMD与多尺度一维卷积神经网络(M1DCNN)的故障诊断方法.该方法首先利用VMD对原始振动信号进行分解,并以峭度为指标,筛选出峭度值最大的分量进行包络分析;然后构建包含多个不同尺度卷积核通道的卷积神经网络,并采用多尺度卷积核提取不同尺度下包络信号的特征信息,进而对故障进行识别.将该方法应用于齿轮箱中的齿轮和滚动轴承的振动数据分析,结果表明:该方法在多工况、小样本情况下均有较高的故障识别精度,且模型具有较强的泛化性能;同时,与单通道卷积神经网络(1DCNN)的对比分析表明,所搭建的多尺度卷积神经网络能更全面地提取信号特征,因而具有更高的诊断精度.

关键词：故障诊断、VMD、卷积神经网络、信号分解、包络分析、特征信息提取、故障识别

所属期刊栏目：46

分类号：TN911.7-34;TH165+.3

资助基金：湖南省自然科学基金资助项目;湖南省教育厅资助项目;湖南省教育厅资助项目

在线出版日期：2023-05-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：103-109