典型文献
完备变分模态分解和多传感器卷积神经网络的轴承故障诊断方法
文献摘要：
针对传统滚动轴承故障诊断方法难以提取和辨识故障特征等问题,提出一种完备变分模态分解(CVMD)和工业多传感器卷积神经网络(MSCNN)相结合的轴承故障识别模型.在采集到的滚动轴承故障振动数据中加入2对符号相反但幅值相等的白噪声,并使用变分模态分解将故障振动数据分解为若干本征模态分量(IMFs)并进行集成平均;利用综合指标选择合适的IMFs分量并重构;针对多传感器结构,在卷积神经网络的基础上,提出MSCNN网络,并将重构后的振动信号输入MSCNN进行自动特征学习与故障诊断.结果表明:所提出的CVMD-MSCNN模型的故障诊断准确率达 99.76％,标准差为0.16,相比于其他深度学习方法,其诊断准确率和稳定性较优.
文献关键词：
滚动轴承;变分模态分解;卷积神经网络;故障诊断
中图分类号：
作者姓名：
谭亚红;史耀
作者机构：
重庆工程职业技术学院智能制造与交通学院,重庆402260
文献出处：
引用格式：
[1]谭亚红;史耀-.完备变分模态分解和多传感器卷积神经网络的轴承故障诊断方法)[J].机床与液压,2022(14):182-188
A类：
CVMD
B类：
变分模态分解,多传感器,故障诊断方法,滚动轴承故障诊断,故障特征,MSCNN,故障识别,识别模型,故障振动,相等,白噪声,数据分解,本征模态分量,IMFs,成平,综合指标,指标选择,传感器结构,振动信号,特征学习,故障诊断准确率,深度学习方法
AB值：
0.215561
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
