文献类型：期刊文章

作　　者：陈雪俊[1] 贝绍轶[1] 李波[1] 卿宏军[2] 毛坤鹏[1]

CHEN Xuejun;BEI Shaoyi;LI Bo;QING Hongjun;MAO Kunpeng(School of Automotive&Traffic Engineering,Jiangsu University of Technology,Changzhou 213001,China;Changzhou Hunan University Mechanical Equipment Research Institute,Changzhou 213000,China)

机构地区：[1]江苏理工学院汽车与交通工程学院,江苏常州213001 [2]常州湖南大学机械装备研究院,江苏常州213000

出　　处：《重庆理工大学学报（自然科学）》

基　　金：国家自然科学基金项目(51705220);江苏省高校自然科学基金重大项目(17KJA580003);江苏省高校自然科学基金项目(17KJD580001)。

年　　份：2021

卷　　号：35

期　　号：2

起止页码：96-104

语　　种：中文

收录情况：BDHX、BDHX2020、CAS、JST、RCCSE、ZGKJHX、核心刊

摘　　要：针对滚动轴承振动信号包含不同频率复杂噪声,单一降噪方法难以去除多种噪声,导致最终故障诊断率低的问题。提出一种基于组合降噪的卷积神经网络的轴承故障诊断方法。首先,通过SVD分解方法,根据奇异值差分谱,一次降噪并重构信号,去除信号内能量较低的宽频率噪声;再根据降噪重构信号,自适应选取CEEMD分解的参数,并进行自适应CEEMD分解,利用线性相关系数与峭度交集法滤除相关程度低、故障特征信息少的IMF分量,同时二次降噪并重构信号;最后,构建一维卷积神经网络并进行轴承故障诊断。通过原信号和组合降噪后信号的时频分析,轴承故障诊断实验,验证了该方法的有效性。

关 键 词：SVD分解 自适应CEEMD分解  卷积神经网络 故障诊断

分 类 号：TH17] TH133