| 小波包能量与CNN相结合的滚动轴承故障诊断方法 |
| |
| 引用本文： | 刘颖,陶建峰,黄武涛,刘成良.小波包能量与CNN相结合的滚动轴承故障诊断方法[J].机械设计与制造,2021,369(11):127-131. |
| |
| 作者姓名： | 刘颖 陶建峰 黄武涛 刘成良 |
| |
| 作者单位： | 上海交通大学机械系统与振动国家重点实验室,上海 200240 |
| |
| 摘 要： | 针对滚动轴承故障种类繁多,故障信号特征不明显的问题,提出了一种小波包能量与卷积神经网络相结合的滚动轴承故障判别方法.首先对原始振动信号进行小波包分解,其次求取分解后各个子带信号的能量,归一化后得到一组特征向量,最后将该特征向量作为卷积神经网络的输入,进而判断输入信号所对应的故障类型.为验证所提方法的有效性和优越性,采用美国凯斯西储大学轴承数据集,将所提出的方法与另外两种故障诊断算法进行对比.在不同工况情况下的对比试验结果表明,小波包能量特征提取方法,能够有效提取出原始信号故障特征.相较于常见的卷积神经网络的故障诊断方法,所提方法能够有效提高故障识别准确率,且速度快、稳定性好.
|
| 关 键 词： | 故障诊断 小波包分析 信号能量 特征提取 卷积神经网络 |
Rolling Bearing Fault Diagnosis Method Based on the Combination of Wavelet Packet Energy and CNN |
| |
| LIU Ying,TAO Jian-feng,HUANG Wu-tao,LIU Cheng-liang.Rolling Bearing Fault Diagnosis Method Based on the Combination of Wavelet Packet Energy and CNN[J].Machinery Design & Manufacture,2021,369(11):127-131. |
| |
| Authors: | LIU Ying TAO Jian-feng HUANG Wu-tao LIU Cheng-liang |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 万方数据 等数据库收录！ |
|
