《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EVMD和SODN的滚动 轴承故障识别研究

作者:杨润贤,郭林炀,周正平,等. 日期:2021-12-22/span> 浏览:71 查看PDF文档

基于EVMD和SODN的滚动
轴承故障识别研究*
杨润贤1,2,郭林炀1,3,周正平4,常兆庆4,李国伟5,徐庆乐6


(1.扬州工业职业技术学院 智能制造学院,江苏 扬州 225000;2.南京航空航天大学 自动化学院,

江苏 南京 211106;3.长春理工大学 高功率半导体激光国家重点实验室,吉林 长春 130000;

4.江苏曙光光电有限公司,江苏 扬州 225000;5.河南科技大学 机电工程学院,河南 洛阳 471003;

6.郑州机械研究所有限公司,河南 郑州 450001)


摘要:在传统的滚动轴承故障识别方法中,存在对轴承振动信号的人工特征提取、选择困难的问题,提出了一种基于增强变分模态分解(EVMD)和自组织深层网络(SODN)的滚动轴承故障识别方法。首先,为了自动确定变分模态分解的模态数目,提出了一种功率谱的分割方法,从而提高了轴承振动信号的信噪比,并将滚动轴承的振动信号自适应分解为若干本征模态分量(IMFs);然后,根据综合评价指标,选择了较能反映轴承故障特征的IMFs分量,同时为了达到信号降噪的目的,对其进行了重构;最后,将自组织策略引入到深层自编码器中,进而构造了SODN,并将降噪后的轴承振动信号输入SODN,进行了自动特征学习与故障识别的对比实验,以验证该方法的可行性和有效性。研究结果表明:所提出的EVMDSODN方法的轴承故障识别率达99.15%,标准差仅0.10,在故障识别率方面相比于其他组合模型具有较大优势。

关键词:滚动轴承;故障识别;变分模态分解;自组织深层网络;深层自编码器;本征模态分量

中图分类号:TH133.33文献标识码:A文章编号:1001-4551(2021)10-1221-09

本文引用格式:


杨润贤,郭林炀,周正平,等.基于EVMD和SODN的滚动轴承故障识别研究[J].机电工程,2021,38(10):1221-1229.

友情链接

浙江机械信息网