基于深度学习和经验模态分解的双列圆锥滚动轴承故障诊断

作者：廖宁; 陶洁; 杨大炼

来源：湖南科技大学学报（自然科学版）, 2017, 32(02): 70-77.

DOI：10.13582/j.cnki.1672-9102.2017.02.012

• 深度学习
• 双列圆锥滚动轴承
• 经验模态分解
• 故障诊断

双列圆锥滚动轴承在列车走行部应用广泛,由于该类轴承结构比较复杂,传统的故障诊断方法难以识别该类轴承的早期微弱故障.为此,提出基于深度学习的双列圆锥滚动轴承早期微弱故障诊断方法.首先,对轴承的振动信号进行经验模态分解,提取信号的瞬时能量构造特征向量;最后,利用深度学习方法对特征向量进行无监督学习,生成故障诊断分类器,完成故障的分类识别.实验中对某型号双列圆锥滚动轴承的正常状态、内圈故障和外圈故障进行信号分析与故障识别.结果表明,所提方法能有效识别双列圆锥滚动轴承的早期微弱故障,分类准确率达到98%.

• 单位
  中南林业科技大学涉外学院; 湖南科技大学