噪声与振动控制 ›› 2021, Vol. 41 ›› Issue (5): 155-160.DOI: 10.3969/j.issn.1006-1355.2021.05.025

• 信号处理与故障诊断 • 上一篇    下一篇

基于VMD降噪和CNN的轴承故障诊断

朵慕社,纪国宜,朱海龙,杨小东   

  1. ( 南京航空航天大学机械结构力学及控制国家重点实验室,南京210016 )
  • 收稿日期:2021-01-07 修回日期:2021-01-12 出版日期:2021-10-18 发布日期:2021-10-18
  • 通讯作者: 朵慕社

Bearing Fault Diagnosis Based on VMD Noise Reduction and CNN

Duo Mushe 2   

  • Received:2021-01-07 Revised:2021-01-12 Online:2021-10-18 Published:2021-10-18
  • Contact: Duo Mushe

摘要:

针对轴承运行环境复杂且振动信号具有非稳定性,受噪声影响较大,难以提取有效故障特征并准确诊断问题,提出一种改进变分模态分解降噪和卷积神经网络的智能诊断方法。首先利用排列熵阈值法确定VMD分解层数,对分解出的本征模态分量按照峭度准则和互相关准则重构,然后将降噪后的信号作为特征向量输入到CNN模型中训练,利用训练后的模型实现未知故障的诊断。试验结果表明,提出的方法能快速的对轴承进行故障诊断,并具有较高的准确率。

关键词: 故障诊断, 变分模态分解, 卷积神经网络, 轴承, 特征提取