基于特征提取的航空发动机滚动轴承故障诊断

航空发动机振动信号复杂，数据量大，其机械系统滚动轴承故障诊断困难重重。在振动信号处理及故障检测领域，利用机器学习强大的自主学习能力在旋转机械故障的诊断方面得到了越来越多的应用。本文提出一种基于特征提取的滚动轴承故障诊断方法，通过特征提取获得更全面数据信息，再将深度信念网络模型用于信号识别，全方位反映航空发动机滚动轴承的运行状态。经实验验证，DBN模型在噪声环境下的平均准确率可达99%以上，具有较强的抗噪能力。