基于AVMD-TOTEO与深度学习的轴承故障诊断方法 |
| |
引用本文: | 蔡华锋,孙秋.基于AVMD-TOTEO与深度学习的轴承故障诊断方法[J].中国设备工程,2024(5):175-179. |
| |
作者姓名: | 蔡华锋 孙秋 |
| |
作者单位: | 湖北工业大学电气与电子工程学院 |
| |
摘 要: | 本文针对轴承故障诊断中故障特征提取和故障识别的难点,提出了一种基于AVMD-TOTEO、门控循环单元(Gated Recurrent Unit,GRU)和卷积神经网络(Convolutional Neural Network,CNN)的轴承故障诊断方法。首先,通过自适应变分模态分解(Adaptive Variational Mode Decomposition,AVMD)对原始数据进行分解和重构,以消除信号中的部分干扰,然后利用三阶太格能量算子(Third-Order Teager Energy Operators,TOTEO)对故障信号中的冲击特征进行增强,突出每个故障信号的特性。最后,将新的故障数据集引入具有全局平均池化(Global Average Pooling,GAP)层的GRU-CNN-GAP故障诊断模型中,用于特征提取和故障分类。实验表明,该方法不仅具有良好的故障诊断精度,而且提高了算法的检测速度,具有优于其他模型的诊断性能。
|
关 键 词: | 故障诊断 变分模态分解 Teager能量算子 门控循环单元 卷积神经网络 全局均值池化 |
|
|