摘要
针对滚动轴承的故障诊断往往使用振动信号进行分析,而振动信号通常为非线性、非平稳信号,并且在数据采集的过程中,掺杂有大量的噪声信号,为了解决这一问题,提出了一种卷积降噪自编码器(CDAE)与卷积神经网络(CNN)相结合的滚动轴承故障诊断方法.首先,对滚动轴承的原始时域信号添加一定倍数的高斯白噪声,并将其输入卷积自编码网络中,以原信号作为输出,对网络进行训练;其次,提取卷积自编码器的隐含层特征,作为卷积神经网络的输入,进行故障识别.利用西安交通大学的滚动轴承数据进行实验,结果表明:与只使用卷积神经网络相比,基于卷积降噪自编码器与卷积神经网络的故障诊断方法,具有更高的正确率,验证了该方法的优越性.
基金项目
2020年西京学院精品课程建设项目(XJJPKC20001)
NETL
NSTL
维普
万方数据