基于敏感分量与MCPG的轴承故障诊断方法

作者：张明亮; 李宏坤^*; 马跃; 黄刚劲; 许雨晨

来源：机械传动, 2021, 45(04): 80-87.

DOI：10.16578/j.issn.1004.2539.2021.04.014

• 故障诊断
• 滚动轴承
• EMD
• 离散Fréchet
• 卷积神经网络

针对滚动轴承故障难以准确识别问题,提出了一种基于敏感分量与多卷积池化组(Multiconvolution pooling group,MCPG)的故障诊断方法。首先,采用经验模态分解(Empirical mode decom-position,EMD)将原始信号分解成为多个固有模态分量(Intrinsic mode function,IMF),使用离散Fréchet距离作为衡量指标,选取出故障敏感分量作为表征不同故障类型的故障数据源;之后,提出了一种MCPG深度神经网络架构,并使用敏感数据源对模型进行训练与测试,从而实现数据驱动的轴承故障诊断。通过实验验证,表明该方法对不同类型的振动数据(不同转速、不同损伤类型、不同损伤程度)均具有较好的识别效果。

• 单位
  大连理工大学