基于多传感器两级特征融合的滚动轴承故障诊断方法 |
| |
引用本文: | 刘仓,童靳于,包家汉,郑近德,潘海洋.基于多传感器两级特征融合的滚动轴承故障诊断方法[J].振动与冲击,2022(8):199-207+259. |
| |
作者姓名: | 刘仓 童靳于 包家汉 郑近德 潘海洋 |
| |
作者单位: | 安徽工业大学机械工程学院 |
| |
基金项目: | 国家重点研发计划(2017YFC0805100);;国家自然科学基金(51975004);;安徽省自然科学基金项目(2008085QE215);;安徽省高校自然科学研究重点项目(KJ2019A0053;KJ2019A0092); |
| |
摘 要: | 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。
|
关 键 词: | 故障诊断 自编码网络 多传感器 特征融合 滚动轴承 |
|
|