基于声发射及WST-CNN协同的滑动轴承润滑状态识别

为实现声发射信号对滑动轴承润滑状态变化进行灵敏表征，提出一种采用小波散射变换及卷积神经网络结合的滑动轴承润滑状态识别及故障诊断研究方法。以某310 MW汽轮发电组滑动轴承现场试验所得声发射信号为研究对象，将现有小波散射网络加入散射路径优化机制并进行参数优化，对滑动轴承声发射信号进行自动鲁棒特征提取，将最佳特征矩阵输入优化后的卷积神经网络进行润滑状态识别分类。结果表明，优化后的小波散射网络能够有效提取声发射信号特征，结合优化后的卷积神经网络对特征矩阵进行智能识别，对滑动轴承润滑状态识别率可达到95.28%,能够高效精确地对滑动轴承润滑状态进行诊断。