-
题名基于ALIF和1DCNN的滚动轴承故障诊断方法
被引量：2
- 1
-
-
作者
聂勇军
孟金
肖英楠
-
机构
广州航海学院机械工程系
四川交通职业技术学院
成都理工大学工程技术学院
-
出处
《机电工程》
CAS
北大核心
2022年第10期1390-1397,共8页
-
基金
国家自然科学基金资助项目(51875479)
广州市教育科学规划项目(202113550)。
-
文摘
在滚动轴承的故障信号中,由于存在较多冗余信息成分的问题,会对基于一维卷积神经网络(1DCNN)的故障诊断的准确度产生干扰,为此,提出了一种基于自适应局部迭代滤波算法(ALIF)和1DCNN的滚动轴承故障诊断方法,即先对原始信号分解重构,再进行分类的智能故障诊断方法。首先,使用ALIF对原始信号进行了分解,其算法相较于其他信号分解算法有较少的模态混叠现象,这得益于保持其原始物理意义中,并最大程度地提取其表征信息,提高其故障诊断正确率;然后,使用了皮尔逊相关系数法选择与原始信号相关最大的本征模函数(IMF)进行了重构,得到了冗余信号较少的信号;最后,直接将处理后的数据作为1DCNN的输入,进行了智能故障诊断。研究结果表明:在对滚动轴承的4种故障状态进行分类的准确度方面,相较于原始方法,基于ALIF和1DCNN的方法准确度提高了8%,其分类准确度达到99%;仿真信号证明了ALIF分解性能的优越性,采用实验台采集的实际数据验证了该方法的先进性。
-
关键词
自适应局部迭代滤波
一维卷积神经网络
信号分解重构
故障分类
冗余信息成分
模态混叠
故障诊断准确率
-
Keywords
adaptive local iterative filtering(ALIF)
one-dimensional convolutional neural network(1DCNN)
signal decomposition and reconstruction
failure classification
redundant information components
modal aliasing
fault diagnosis accuracy
-
分类号
TH133.33
[机械工程—机械制造及自动化]
TH17
[机械工程—机械制造及自动化]
-
