基于VMD和卷积神经网络的变工况轴承故障诊断方法

作者：陈剑; 黄凯旋; 吕伍佯; 刘圆圆; 杨斌; 刘幸福; 蔡坤奇

来源：计量学报, 2021, 42(07): 892-897.

DOI：10.3969/j.issn.1000-1158.2021.07.10

• 计量学
• 滚动轴承
• 复合型故障诊断
• 变工况
• 卷积神经网络
• 状态识别

针对变工况条件下轴承故障数据无法大量获取以及诊断困难的问题,提出了基于变分模态分解和卷积神经网络的轴承故障诊断方法,使用稳态工况获取的数据训练,能对变工况下的数据实现有效诊断。首先对轴承振动信号进行变分模态分解,以获得有限带宽的固有模态函数;然后构建卷积神经网络模型,采用优化技术提高模型适应性,实现对固有模态函数的自适应特征提取和分类;最后使用台架试验获得的滚动轴承故障数据进行验证,并与深度残差网络和支持向量机进行对比。结果表明,该模型对变工况数据的诊断/识别率达到100%/98.86%,高于对比模型的测试结果,有效实现了变工况轴承故障诊断。

• 单位
  合肥工业大学