基于EEMD-CNN的滚动轴承故障诊断方法
李思琦
蒋志坚
1.北京建筑大学电信学院,北京1000442.北京建筑大学电信学院,北京100044
摘要：为了提高滚动轴承故障诊断的准确性,提出了基于集合经验模态分解(Ensemble Empirical Mode Decomposition,EEMD)与卷积神经网络(Convolution Neural Networks,CNN)的故障诊断方法.首先使用EEMD对信号进行分解,并根据相关系数以及峭度值选取适当的本征模态函数(Intrinsic Mode Function,IMF)进行信号重构.对重构信号进行一系列指标计算后使用卷积神经网络以及多种方法进行故障诊断.结果 表明,所使用的方法能够有效地进行故障诊断,准确率可达96.7％,在实际中有着一定的应用意义.
关键词：集合经验模态分解卷积神经网络故障诊断机器学习
分类号：TH133.3(机械零件及传动装置)
资助基金：国家自然科学基金(71601013)北京市自然科学基金(4174087)创新项目(PG2019073)
论文发表日期：2020-10-15
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：6( 1033-1038 )
英文信息