10.13465/j.cnki.jvs.2023.05.031
宽转速范围下的航发主轴轴承故障诊断方法
针对航空发动机主轴转速范围大而导致现有卷积神经网络(convolution neural network,CNN)故障诊断性能急剧下降的问题,提出了一种基于小波包重构成像与深浅层特征融合分类网络的故障诊断方法.利用小波包分解(wavelet packet transform,WPT)提取滚动轴承振动信号中的有效成分,消除与故障特征无关的干扰分量.后采用短时傅里叶变换对重构后的振动信号进行成像,得到时频谱样本.针对转速时变下的轴承故障分类问题,通过跳跃连接方式建立具有深浅层特征融合特性的卷积神经网络,实现故障分类预测.利用航发轴承试验机采集得到的多路轴承振动信号对提出的方法进行有效性验证,结果表明,在训练集和测试集样本具有不同转速的情况下,使用提出方法对不同类型故障仍具有很高的识别精度.
滚动轴承、故障诊断、小波包分解(WPT)、卷积神经网络(CNN)
42
TP206;TH133.3(自动化技术及设备)
国家自然科学基金62071350
2023-03-22(万方平台首次上网日期,不代表论文的发表时间)
共10页
253-262