机床与液压

作者：郝旺身，李继康，董辛旻，娄永威，徐平

单位：郑州大学机械与动力工程学院；郑州大学机械与动力工程学院；郑州大学机械与动力工程学院；郑州大学机械与动力工程学院；郑州大学水利与交通学院

关键词：声学检测;损伤检测;递归Hilbert变换;深度学习;卷积神经网络

基金：河南省科技攻关项目 (202102210075)

轴承缺陷检测与损伤程度检测一直是旋转机械领域内非常重视的问题，虽然目前针对振动信号的研究已经取得相当好的结果，但是对于难以安装振动传感器的情况，诊断效果仍需改进。针对强背景噪声下故障轴承产生的声音，提出一种基于递归Hilbert变换和一维卷积神经网络的诊断方法来提取抽象特征并进行模式识别。卷积神经网络结构中引入了全局平均池化层来加速网络的运行。最后，通过数据集验证了所提方法的有效性，与其他常用分类方法进行对比，验证了该方法的优越性。结果表明：所提算法不仅能够准确识别轴承的损伤部位，而且能够准确区分部件的损伤程度。

来源：2024年第4期

《机床与液压》期刊编辑部

查看机床与液压杂志2024年第4期