《机电工程》杂志,浙江大学与浙江省机电集团联合主办。月刊( 详细... )

中国标准连续出版物号 ISSN 1001-4551 CN 33-1088/TH
主办单位浙江省机电集团有限公司
浙江大学
主编赵 群
副 主 编唐任仲、罗向阳
执行董事兼总经理罗向阳
出 版浙江《机电工程》杂志社有限公司
地 址浙江省杭州市大学路高官弄9号
电话Tel+86-571-87239525
E-mailmeem_contribute@163.com
国外发行中国国际图书贸易总公司
订阅全国各地邮局   国外代号M3135
国内发行浙江省报刊发行局
邮发代号32-68
广告发布登记证:杭上市管广发G-001号

在线杂志

当前位置: 机电工程 >>在线杂志

基于EMD-SDP特征融合的CNN轴承保持架故障诊断研究

作者:郑一珍1,牛蔺楷1,2,熊晓燕1,2*,祁宏伟1,谢宏浩1 日期:2021-03-22/span> 浏览:87 查看PDF文档

基于EMD-SDP特征融合的CNN轴承保持架故障诊断研究*
郑一珍1,牛蔺楷1,2,熊晓燕1,2*,祁宏伟1,谢宏浩1
(1.太原理工大学 机械与运载工程学院,山西 太原 030024;
2.太原理工大学 新型传感器与智能控制教育部重点实验室,山西 太原 030024)


摘要:针对滚动轴承保持架故障振动信号存在的不稳定性、无冲击特性和故障特征难以获取等问题,提出了一种基于EMDSDP特征融合的CNN轴承保持 架故障诊断方法。采用了SDP信息融合方法对保持架故障振动信号的EMD固有模态分量进行了特征信息融合,展示了不同保持架故障振动信号的时频特性;分析了滚动轴承保持架不同故障状态下的SDP特征图像差异;之后,结合CNN模型进行了SDP图像识别,设计出了一种基于EMD与SDP特征融合的CNN轴承保持架故障诊断方法模型;最后,通过旋转机械故障试验台,对轴承保持架故障进行了模拟实验。研究结果表明:该方法能够实现99%以上的故障识别率,进一步验证了通过深度学习算法自适应提取SDP信息融合图像特征的方法,可有效应用于轴承保持架故障诊断中。
关键词:保持架故障诊断;经验模态分解;对称点模式;卷积神经网络;特征融合
中图分类号:TH133;TP391      文献标识码:A        文章编号:1001-4551(2021)01-0081-07

本文引用格式:
郑一珍,牛蔺楷,熊晓燕,等.基于EMDSDP特征融合的CNN轴承保持架故障诊断研究[J].机电工程,2021,38(1):81-87.
ZHENG Yi-zhen, NIU Lin-kai, XIONG Xiao-yan, et al. Fault diagnosis of CNN bearing cage based on EMD-SDP feature fusion[J].Journal of Mechanical & Electrical Engineering, 2021,38(1):81-87.《机电工程》杂志:http://www.meem.com.cn

友情链接

浙江机械信息网