基于1DDCNN和PCA信息融合的滚动轴承FLHI智能提取方法

An intelligent extraction method of the full life health indicator of rolling bearings based on one-dimensional deep convolutional neural network and principal component analysis

罗鹏 ¹胡茑庆 ¹沈国际 ¹程哲 ¹周子骏²

扫码查看

作者信息

1. 国防科技大学智能科学学院,长沙410073;国防科技大学装备综合保障技术重点实验室,长沙410073
2. 四川大学计算机学院,成都610065
折叠

摘要

滚动轴承故障预测方法的核心在于健康指数(HI)的构建,绝大部分已经提出的HI都是基于专家经验人工构造的,且往往只能适用于部件某一特定退化阶段的趋势分析.为解决上述问题,结合振动信号的一维特性,提出一种基于一维深度卷积神经网络(1DDCNN)结合主成分分析(PCA)的滚动轴承全寿命健康指数(FLHI)智能提取法;利用1DDCNN对原始时域信号自适应提取特征,深度挖掘能够表征研究对象健康状态的退化特征矩阵,而后利用PCA法对提取的特征矩阵进行融合,从而实现研究对象的FLHI智能提取.滚动轴承试验振动信号实测结果表明,相较于传统健康指数,FLHI在趋势性、鲁棒性和单调性方面更具有优势.

关键词

一维深度卷积神经网络(1DDCNN)/主成分分析(PCA)/全寿命健康指数(FLHI)/智能提取

引用本文复制引用

基金项目

国家自然科学基金(51975576)

国家自然科学基金(51475463)

国防基础科研计划(WDZC20195500305)

出版年

2021

振动与冲击

中国振动工程学会上海交通大学上海市振动工程学会

振动与冲击

CSTPCDCSCD北大核心

影响因子：0.898

ISSN：1000-3835

被引量2

参考文献量2

段落导航