论文部分内容阅读
为提高滚动轴承故障诊断的智能性及准确性,针对传统模型难以提取故障特征的问题,提出了一种基于变分模态分解(VMD)及卷积神经网络(CNN)的滚动轴承故障混合特征提取及诊断方法。首先,将滚动轴承的原始振动信号进行变分模态分解;然后,为减少模型运算复杂度并缩减时间成本,利用峭度准则筛选分解后的若干模态分量;最后,将模态分量与振动信号共同结合构成二维特征矩阵,作为卷积神经网络模型的输入,达到对故障状态准确识别的目的。仿真结果表明,所提方法实现了对电机轴承状态的准确诊断。与传统诊断分析方法相比,轴承故障识别准确率更