针对滚动轴承故障特征难以准确表征的问题,基于轴承振动信号具有短时平稳性的特点,提出对轴承振动信号进行分帧、加窗、DFT、图像编码等处理后构建表征轴承故障的振动信号振谱图。设计用于滚动轴承故障诊断的深度卷积神经网络,采用已知故障模式的轴承振动信号振谱图及其对应的故障标签对网络进行训练。基于此方法,以美国凯斯西储大学公开的滚动轴承故障诊断实测振动信号为对象进行故障建模与识别,结果表明:所识别的轴承故障准确率达到100%,获得了很高的故障诊断精度。
科研之友
微信
新浪微博
Facebook
分享链接
