首页|基于小波包-1.5维Teager能量谱图和深度学习的滚动轴承故障诊断方法研究

基于小波包-1.5维Teager能量谱图和深度学习的滚动轴承故障诊断方法研究

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
带式输送机工作环境恶劣、干扰源复杂,受非周期性冲击及谐波干扰,其托辊滚动轴承故障诊断困难.针对此问题,提出了一种基于小波包-1.5维Teager能量谱图和深度学习相结合的滚动轴承故障诊断方法.首先,利用小波包分解对故障信号进行分解,提取能量占比较高的分量进行重构;然后,采用Teager能量算子和1.5维谱处理重构信号滤除周期性谐波干扰,构建出故障特征能量谱图;最后,利用卷积神经网络对能量谱图进行训练和测试,精准诊断出滚动轴承故障类型.仿真与实验分析结果表明,所提方法可有效滤除非周期性冲击和谐波的干扰,并精准诊断出轴承故障类型.所提方法为托辊滚动轴承的故障诊断提供了一种新思路,具有一定的工程应用价值.

张臻、董鹏朝、豆龙江、高义、张玉松、王奕铮

展开 >

华北电力大学机械工程系,河北 保定 071003

华南理工大学工商管理学院,广东 广州 510640

小波包分解 Teager能量算子 1.5维谱 深度学习

大中学生科技创新能力培育专项中央高校基本科研业务费专项

22E50493D2020MS110

2024

10.15913/j.cnki.kjycx.2024.12.003

科技与创新
中国计算机用户协会

科技与创新

ISSN：1008-0570
年,卷(期)：2024.(12)
  • 12