机床与液压

作者：朱俊杰，张清华，朱冠华，苏乃权

单位：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；广东石油化工学院自动化学院；广东石油化工学院自动化学院；广东石油化工学院自动化学院

关键词：滚动轴承;集合经验模态分解;卷积神经网络;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）

针对滚动轴承振动信号易受外界噪声干扰、传统的故障诊断方法难以提取故障特征以及准确率低等问题,提出一种基于集合经验模态分解（EEMD）和卷积神经网络结合支持向量机（CNN-SVM）的滚动轴承故障诊断方法。利用EEMD算法对原始振动信号进行分解得到本征模态函数（IMF）分量,再由相关系数筛选最佳分量进行信号重构,得到降噪后的振动信号。将重构降噪后的振动信号转换为二维特征图输入卷积神经网络进行训练提取特征。最后将提取到的稀疏代表特征向量输入到支持向量机进行故障分类。实验结果表明：所提方法能有效降低噪声干扰,便于提取故障特征,与传统的故障诊断方法相比准确率更高,诊断速度更快。

来源：2024年第17期

《机床与液压》期刊编辑部

查看机床与液压杂志2024年第17期