基于ADR-SDP-DCNN算法的非稳定工况下港口起重机轴承故障诊断

作者：李胜永; 吴丽华; 戴雨

来源：上海海事大学学报, 2022, 43(03): 102-110.

DOI：10.13340/j.jsmu.2022.03.016

• 港口起重机
• 轴承故障诊断
• 非稳定工况
• 角域重采样(ADR)
• 对称点阵(SDP)
• 深度卷积神经网络(DCNN)

针对港口起重机起升机构及运行机构中减速器频繁启停这一非稳定工况而导致的轴承故障难以诊断的问题，提出一种港口起重机轴承故障智能诊断方法。该方法应用角域重采样(angular domain resampling, ADR)技术将非稳定工况下的轴承时域振动信号转化为稳定工况下的角域振动信号；通过自适应噪声完备集合经验模态分解(complete ensemble empirical mode decomposition with adaptive noise, CEEMDAN)对信号进行分解与重构来实现去噪的目的，并对重构的信号进行对称点阵(symmetrized dot pattern, SDP)图像可视化；应用深度卷积神经网络(deep convolutional neural network, DCNN)对SDP图进行故障诊断。通过UT6818轴承故障试验台进行3种非稳定工况模拟试验，结果表明，所提方法能够对采集的故障轴承信号进行有效诊断，诊断准确率都达到95%以上，优于相同试验条件下的数种常用算法。

• 单位
  南通航运职业技术学院