广义形态差值滤波与AN降维在故障诊断中的应用

作者：肖洁; 黎敬涛

来源：电子测量与仪器学报, 2020, 34(03): 74-80.

DOI：10.13382/j.jemi.B1902560

• 广义形态差值滤波
• AN
• 维数约简
• 极限学习机
• 故障诊断

由于轴承与设备其他内部构件之间存在强关联耦合关系,导致其振动信号与设备状态存在非线性关系;且信号单一特征难以全面描述设备状态,而多特征虽然包含较多状态信息,但高维特征所产生的信号冗余问题,易导致模型分类精度的下降.因此,提出一种基于广义形态差值滤波(GDIF)与自编码网络(AN)的滚动轴承故障诊断方法.该方法利用广义形态差值滤波对振动信号进行降噪处理,并通过极大似然估计(MLE)与AN从信号的高维特征中获取低维本质流形,缓解高维特征存在的维数灾难问题;最后,建立极限学习机(ELM)故障诊断模型,对轴承故障类型进行识别。轴承试验结果表明,该方法能够有效对信号进行降噪;通过AN对特征进行维数约简,能够使ELM模型分类精度达到98.04%。

• 单位
  自动化学院; 昆明理工大学