基于VMD降噪和CNN的轴承故障诊断

作者：朵慕社; 纪国宜^*; 朱海龙; 杨小东

来源：噪声与振动控制, 2021, 41(05): 155-160.

• 故障诊断
• 变分模态分解
• 卷积神经网络
• 轴承
• 特征提取

针对轴承运行环境复杂且振动信号具有非稳定性、受噪声影响较大、难以提取有效故障特征并准确诊断问题,提出一种改进变分模态分解(Variational mode decomposition,VMD)降噪和卷积神经网络(Convolutional neural networks,CNN)的智能诊断方法。首先利用排列熵(Permutation entropy,PE)阈值法确定VMD分解层数,对分解出的本征模态分量(Intrinsic mode function,IMF)按照峭度准则和互相关准则重构,然后将降噪后的信号作为特征向量输入到CNN模型中训练,利用训练后的模型实现未知故障的诊断。试验结果表明,提出的方法能快速的对轴承进行故障诊断,并具有较高的准确率。

• 单位
  南京航空航天大学; 机械结构力学及控制国家重点实验室