噪声与振动控制

噪声与振动控制 ›› 2024, Vol. 44 ›› Issue (4): 132-137.

• 信号处理与故障诊断 • 上一篇    下一篇

基于高斯滤波与多尺度CNN的抗噪轴承故障诊断方法

路新华1, 2，韩风超2，马丽1，张凌晓2, 3，孙鹏2   

  1. ( 1. 南阳理工学院信息工程学院，河南南阳473004；2. 郑州大学信息工程学院，郑州450001；3. 南阳理工学院计算机与软件学院，河南南阳473004 )
  • 收稿日期:2022-08-01 修回日期:2022-11-25 出版日期:2024-08-18 发布日期:2024-08-16

Fault Diagnosis Method for Anti-noise Bearings Based on Gaussian Filter and Multi-scale CNN

  • Received:2022-08-01 Revised:2022-11-25 Online:2024-08-18 Published:2024-08-16

PDF

摘要： 针对滚动轴承在强背景噪声环境下故障诊断性能不佳，已有基于深度学习和降噪处理的故障诊断模型规模较大，复杂度较高导致难以实际部署的问题，提出一种基于高斯滤波（Gaussian-filter）和多尺度卷积神经网络（Multi-Scale Convolution Neural Network，MSCNN）的滚动轴承故障诊断方法，可在噪声环境中实现低复杂度、高精度的故障诊断，并对不同负载情况具有高鲁棒性。该方法首先构造适应不同信噪比的最佳滤波核，然后对有噪信号进行降噪处理，最后使用MSCNN自适应提取信号多尺度特征，实现多类别故障诊断。实验结果表明，与当下最先进的各种故障诊断方法相比，该方法在各种强度噪声下均具有较高故障诊断精度，且在时间和空间维度上具有较低的复杂度，有望在工业生产中得到实际应用。

关键词: 故障诊断, 降噪, 深度学习, 高斯滤波, 卷积神经网络