基于敏感分量与MCPG的轴承故障诊断方法
张明亮
李宏坤
马跃
黄刚劲
许雨晨
大连理工大学 机械工程学院,辽宁 大连 116024
摘要：针对滚动轴承故障难以准确识别问题,提出了一种基于敏感分量与多卷积池化组(Multi convolution pooling group,MCPG)的故障诊断方法.首先,采用经验模态分解(Empirical mode decom?position,EMD)将原始信号分解成为多个固有模态分量(Intrinsic mode function,IMF),使用离散Fréchet距离作为衡量指标,选取出故障敏感分量作为表征不同故障类型的故障数据源;之后,提出了一种MCPG深度神经网络架构,并使用敏感数据源对模型进行训练与测试,从而实现数据驱动的轴承故障诊断.通过实验验证,表明该方法对不同类型的振动数据(不同转速、不同损伤类型、不同损伤程度)均具有较好的识别效果.
关键词：故障诊断滚动轴承EMD离散Fréchet卷积神经网络
资助基金：国家自然科学基金(U1808214)大连理工大学基本科研业务费专项(2019JH1/10100019;DUT20LAB125)
论文发表日期：2021-04-15
在线出版日期：2026-09-12（本平台首次上网日期，不代表文献的发表时间）
页数：8( 80-87 )
英文信息