基于卷积神经网络的机械轴承故障智能识别

作者：王路; 殷鸿鑫; 刘鸿旭

来源：自动化与仪表, 2023, 38(11): 71-75.

DOI：10.19557/j.cnki.1001-9944.2023.11.015

• 卷积神经网络
• 机械轴承
• 故障智能识别
• 小波包分析法
• 二进制变换
• 池化运算
• SVDD

机械轴承振动信号噪声和复杂特征均会对故障识别造成不利影响，导致故障识别精度下降，所以研究基于卷积神经网络的机械轴承故障智能识别方法。利用小波包分析法对轴承振动信号展开多层次分析处理，结合二进制变换法实现信号重构。利用卷积神经网络中的卷积层对重构后信号展开局部卷积后，通过池化运算完成信号特征提取。利用基于SVDD的信号分类函数判定该信号样本是否为故障信号，实现机械轴承故障智能识别。实验表明，所提方法对于轴承故障的识别效率较高，在面对多类型轴承故障情况下能够做到高效精确识别。