基于MWT和CNN的滚动轴承智能复合故障诊断方法

发布时间：2017-10-11 00:32

  本文关键词：基于MWT和CNN的滚动轴承智能复合故障诊断方法

  更多相关文章： 滚动轴承 智能复合故障诊断 多小波变换 卷积神经网络

【摘要】：提出一种基于多小波变换(MWT)和卷积神经网络(CNN)的滚动轴承智能复合故障诊断方法。对滚动轴承的振动信号进行去除后处理的MWT,得到相应的多小波系数分支;用所得多小波系数分支构造特征图,建立CNN分类器组模型,以实现滚动轴承复合故障的智能诊断。基于人工轴承故障数据集进行了实验研究,同时对诊断方法作了优化改进,即对振动信号进行MWT,用所得多小波系数矩阵构造特征图,建立CNN分类器模型,并进行了对比实验研究。结果表明,该方法能有效识别滚动轴承的复合故障,改进的方法能有效提高故障识别率,降低训练成本。
【作者单位】： 解放军理工大学野战工程学院;
【关键词】： 滚动轴承 智能复合故障诊断 多小波变换 卷积神经网络
【分类号】：TH133.33
【正文快照】： 0引言 在实际应用中,滚动轴承的故障通常不是以单一的形式存在,而是以复合故障的形式存在。复合故障是指一个振动信号不只包含一种故障模式,而是包含多种故障模式,多种故障以并发、继发的形式存在,并且相互关联影响[1]。对复合故障进行诊断的关键是信号特征的分离提取和模式

【相似文献】

中国期刊全文数据库 前2条

1 汤坤;周艳芳;蒋秀林;于海斌;何为晋;班文正;吴兰峰;张红玲;王尚华;曹兵;李敬伟;朴松源;单伟;;MWT高效太阳电池的生产[J];太阳能;2013年03期

2 ;[J];;年期

，

本文编号：1009523