《机电工程》杂志,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(执行主编)
总 经 理罗向阳
出 版浙江《机电工程》杂志社有限公司
地 址杭州市上城区延安路95号浙江省机电集团大楼二楼211、212室
电话Tel+86-571-87041360、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ALIF和1DCNN的滚动轴承故障诊断方法

作者:聂勇军,孟金,肖英楠. 日期:2022-12-20/span> 浏览:483 查看PDF文档

基于ALIF和1DCNN的滚动轴承故障诊断方法*
聂勇军1,孟金2,肖英楠3

(1.广州航海学院 机械工程系,广东 广州 510725;2.四川交通职业技术学院,
四川 成都 611130;3.成都理工大学 工程技术学院,四川 乐山 614000)


摘要:在滚动轴承的故障信号中,由于存在较多冗余信息成分的问题,会对基于一维卷积神经网络(1DCNN)的故障诊断的准确度产生干扰,为此,提出了一种基于自适应局部迭代滤波算法(ALIF)和1DCNN的滚动轴承故障诊断方法,即先对原始信号分解重构,再进行分类的智能故障诊断方法。首先,使用ALIF对原始信号进行了分解,其算法相较于其他信号分解算法有较少的模态混叠现象,这得益于保持其原始物理意义中,并最大程度地提取其表征信息,提高其故障诊断正确率;然后,使用了皮尔逊相关系数法选择与原始信号相关最大的本征模函数(IMF)进行了重构,得到了冗余信号较少的信号;最后,直接将处理后的数据作为1DCNN的输入,进行了智能故障诊断。研究结果表明:在对滚动轴承的4种故障状态进行分类的准确度方面,相较于原始方法,基于ALIF和1DCNN的方法准确度提高了8%,其分类准确度达到99%;仿真信号证明了ALIF分解性能的优越性,采用实验台采集的实际数据验证了该方法的先进性。

关键词:自适应局部迭代滤波;一维卷积神经网络;信号分解重构;故障分类;冗余信息成分;模态混叠;故障诊断准确率

中图分类号:TH133.33;TH17文献标识码:A文章编号:1001-4551(2022)10-1390-08



本文引用格式:

聂勇军,孟金,肖英楠.基于ALIF和1DCNN的滚动轴承故障诊断方法[J].机电工程,2022,39(10):1390-1397.

NIE Yong-jun, MENG Jin, XIAO Ying-nan. Fault diagnosis method of rolling bearing based on ALIF and 1DCNN[J].Journal of Mechanical & Electrical Engineering, 2022,39(10):1390-1397.




友情链接

浙江机械信息网