基于改进的时频自适应胶囊网络轴承故障诊断方法

轴承是保障旋转机械安全运行的关键部件，传统的故障诊断方法在轴承复杂多变的运行环境中故障特征提取难且识别难度大。为此，提出了一种基于改进的时频自适应胶囊网络轴承故障诊断方法。首先，将一维原始振动信号通过EEMD-HHT特征增强方法转化为复合时频结构数据，增强非平稳信号特征的可分性；然后，改进原胶囊网络卷积层，用于自适应深度提取振动信号的时频结构特征；最后，针对卷积神经网络的平移不变性引入胶囊层，采用动态路由算法学习储存特征信息，并实现故障类型智能诊断。试验结果表明，所提方法较现有方法具有更强的故障敏感特征挖掘能力、更高的诊断精度及工况自适应能力。