基于多传感器两级特征融合的滚动轴承故障诊断方法

针对单个传感器获取信息有限导致诊断精度不足的问题，提出一种基于多传感器两级特征融合的故障诊断方法，并将其应用于不同工况下的滚动轴承故障诊断中。首先，在第一阶段特征融合中，通过变分模态分解计算每个传感器振动信号的本征模态函数(intrinsic mode function, IMF),消除噪声等冗余信息；再根据IMF提取时域、频域和多尺度熵特征，在一维特征层面融合成一个多域特征集。其次，在第二阶段特征融合中，首先构建基于Swish激活函数和log(cosh)损失函数改进的深度自编码网络，在此基础上进一步融合多域特征集并进行故障分类。将所提模型应用于不同工况下的滚动轴承故障诊断数据集，试验结果表明，与现有方法相比，所提方法具有更高的分类准确率和鲁棒性。