本文關(guān)鍵詞：基于MWT和CNN的滾動(dòng)軸承智能復(fù)合故障診斷方法

  更多相關(guān)文章： 滾動(dòng)軸承 智能復(fù)合故障診斷 多小波變換 卷積神經(jīng)網(wǎng)絡(luò)

【摘要】：提出一種基于多小波變換(MWT)和卷積神經(jīng)網(wǎng)絡(luò)(CNN)的滾動(dòng)軸承智能復(fù)合故障診斷方法。對(duì)滾動(dòng)軸承的振動(dòng)信號(hào)進(jìn)行去除后處理的MWT,得到相應(yīng)的多小波系數(shù)分支;用所得多小波系數(shù)分支構(gòu)造特征圖,建立CNN分類(lèi)器組模型,以實(shí)現(xiàn)滾動(dòng)軸承復(fù)合故障的智能診斷�；谌斯ぽS承故障數(shù)據(jù)集進(jìn)行了實(shí)驗(yàn)研究,同時(shí)對(duì)診斷方法作了優(yōu)化改進(jìn),即對(duì)振動(dòng)信號(hào)進(jìn)行MWT,用所得多小波系數(shù)矩陣構(gòu)造特征圖,建立CNN分類(lèi)器模型,并進(jìn)行了對(duì)比實(shí)驗(yàn)研究。結(jié)果表明,該方法能有效識(shí)別滾動(dòng)軸承的復(fù)合故障,改進(jìn)的方法能有效提高故障識(shí)別率,降低訓(xùn)練成本。
【作者單位】： 解放軍理工大學(xué)野戰(zhàn)工程學(xué)院;
【關(guān)鍵詞】： 滾動(dòng)軸承 智能復(fù)合故障診斷 多小波變換 卷積神經(jīng)網(wǎng)絡(luò)
【分類(lèi)號(hào)】：TH133.33
【正文快照】： 0引言 在實(shí)際應(yīng)用中,滾動(dòng)軸承的故障通常不是以單一的形式存在,而是以復(fù)合故障的形式存在。復(fù)合故障是指一個(gè)振動(dòng)信號(hào)不只包含一種故障模式,而是包含多種故障模式,多種故障以并發(fā)、繼發(fā)的形式存在,并且相互關(guān)聯(lián)影響[1]。對(duì)復(fù)合故障進(jìn)行診斷的關(guān)鍵是信號(hào)特征的分離提取和模式

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前2條

1 湯坤;周艷芳;蔣秀林;于海斌;何為晉;班文正;吳蘭峰;張紅玲;王尚華;曹兵;李敬偉;樸松源;單偉;;MWT高效太陽(yáng)電池的生產(chǎn)[J];太陽(yáng)能;2013年03期

2 ;[J];;年期

，

本文編號(hào)：1009523