基于YLMD的CNN滚动轴承故障识别

作者：庄宣顺; 陈诺; 田萌^*

来源：信息与电脑(理论版), 2022, 34(20): 179-182.

• 故障诊断
• 轴承振动信号
• 局部均值分解(LMD)
• 卷积神经网络

轴承故障识别对于提前发现机械系统故障具有重要作用。针对轴承振动信号中噪声多、故障信号提取困难以及识别效率低的问题，提出了基于改进局部均值分解（YLMD）的卷积神经网络（Convolutional Neural Network,CNN）滚动轴承故障识别方法。通过在局部均值分解（Local Mean Decomposition,LMD）中加入自适应阈值函数实现自适应降噪和分解采集信号，并得到一系列PF分量。通过相关分析，取出相关系数大的PF分量重构信号。将原始信号转变为二维信号，输入CNN进行故障识别。对CNN加入批量归一化层，合理配置内部层数分布和参数设定，得到更好的训练效果。实验证明，设计方法能有效提取故障特征，轴承故障识别效果更好。

• 单位
  文学与新闻传播学院; 山东理工大学