机床与液压

作者：张鑫宇，付强，黄倩，朱荣生，李思汉

单位：江苏大学流体机械工程技术研究中心;核电泵及装置智能诊断运维联合实验室；江苏大学流体机械工程技术研究中心;核电泵及装置智能诊断运维联合实验室；核电泵及装置智能诊断运维联合实验室;中国核电工程有限公司；江苏大学流体机械工程技术研究中心;核电泵及装置智能诊断运维联合实验室；江苏大学流体机械工程技术研究中心;核电泵及装置智能诊断运维联合实验室

关键词：滚动轴承;连续小波变换;卷积神经网络;故障诊断

基金：国家自然科学基金联合基金重点项目（U20A20292）；江苏省重点研发计划（BE2018112）

针对传统的轴承故障诊断方法在面对强噪声和非平稳信号识别时特征提取过度依赖先验知识和专家经验等问题，结合传统的信号处理方法和深度学习算法提出一种基于CWT-CNN的离心泵轴承故障识别方法。连续小波变换(CWT)将原始的1D振动信号转化为故障特征信息更丰富的2D时频图，2D时频图再输入到卷积层完成特征的自动提取，最后SoftMax层完成故障识别。经过西储大学公开轴承数据集和实验室搭建的离心泵振动轴承采集实验台验证，该方法的故障识别准确率均能达到90%以上。

来源：2024年第12期

《机床与液压》期刊编辑部

查看机床与液压杂志2024年第12期