基于SSD和1DCNN的滚动轴承故障诊断方法

作者：宋霖; 宿磊; 李可; 苏文胜

来源：华中科技大学学报(自然科学版)科技大学, 2020, 48(12): 38-43.

DOI：10.13245/j.hust.201207

• 滚动轴承
• 故障诊断
• 奇异谱分解
• 峭度
• 一维卷积神经网络

针对滚动轴承故障诊断中振动信号易受强背景噪声干扰,出现非平稳、非线性的特性,导致故障诊断精度较低等问题,提出了一种基于奇异谱分解(SSD)和一维卷积神经网络(1DCNN)的滚动轴承故障诊断方法.首先,利用SSD将原始振动信号分解成若干个频率尺度的奇异谱(SSC)分量,并根据峭度准则选取有效SSC分量对信号进行重构;然后,构建一维卷积神经网络结构,先将重构后的信号输入模型进行训练,充分提取信号的特征,再由输出层输出诊断结果;最后,进行滚动轴承故障诊断实验,结果表明:提出的诊断方法诊断准确率达到98.9%,比传统方法具有更高的准确性和稳定性.

• 单位
  江苏省特种设备安全监督检验研究院无锡分院; 江南大学