基于改进VMD和1DCNN的泵注系统轴承故障诊断

作者：周云成; 王东方

来源：轴承, 2023, (02): 105-112.

DOI：10.19533/j.issn1000-3762.2023.02.015

• 滚动轴承
• 压裂车
• 故障诊断
• 卷积神经网络
• 变分模态分解
• 传感器
• 峭度

针对泵注系统轴承振动信号传递路径长，故障特征微弱而导致传统机器学习方法难以进行故障诊断的问题，提出一种基于改进变分模态分解(IVMD)和一维卷积神经网络(1DCNN)的泵注系统轴承故障诊断模型。首先，通过多个传感器采集泵注系统轴承振动信号；然后，利用Elastic回归替换Ridge回归构造IVMD并将轴承振动信号自动分解，采用改进峭度指标进行筛选重构实现振动信号的有效降噪；最后，将降噪后的重构信号输入适用于工业多传感器系统的1DCNN进行自动特征提取和故障诊断。试验结果表明，IVMD-1DCNN模型的故障诊断准确率达99.27%,相比于其他方法具有较大优势。另外，对1DCNN学习到的卷积核进行可视化，也在一定程度探讨了深度学习故障诊断的可解释性问题。

• 单位
  内蒙古交通职业技术学院