机床与液压

作者：邓志超，张清华，于军

单位：吉林化工学院信息与控制工程学院；广东石油化工学院自动化学院；吉林化工学院信息与控制工程学院

关键词：皮尔逊相关系数;变分模态分解;一维卷积神经网络(1D-CNN);早期故障诊断

基金：国家自然科学基金重点项目（61933013）；广东省自然科学基金面上项目（2022A1515010599）；茂名市2023 年省科技创新战略专项（2023S001001；2023S001011）；茂名绿色化工研究院“扬帆计划”（MMGCIRI-2022YFJH-Y-009）；广东石油化工学院博士启动项目（2020bs006）

针对轴承早期微弱故障信号容易被强噪声环境掩盖、特征难以提取的问题，提出一种基于皮尔逊相关系数和变分模态分解的一维卷积神经网络的早期故障诊断方法。采用VMD对原始振动信号进行变分模态分解；计算各模态分量与原始信号的皮尔逊相关系数，再根据相关系数阈值去掉噪声分量并对信号进行重构，最后对重构信号进行傅里叶变换并输入到一维卷积神经网络中，利用一维卷积神经网络对轴承早期故障进行诊断。利用所提方法对西储大学（CWRU）轴承数据集的滚动轴承故障数据进行分析，诊断准确率达到99%以上，验证了所提方法对滚动轴承早期故障诊断的有效性。

来源：2025年第2期

《机床与液压》期刊编辑部

查看机床与液压杂志2025年第2期