典型文献
基于VMD-SPWVD-CNN的滚动轴承故障智能诊断
文献摘要：
针对传统的故障诊断方法依赖经验进行人工提取特征的问题,基于变分模态分解(VMD)和平滑伪魏格纳分布(SPWVD)并结合卷积神经网络(CNN)提出了VMD-SPWVD-CNN模型用于滚动轴承故障诊断.首先,利用VMD对轴承振动信号进行处理,分解为多个具有不同中心频率的模态分量;其次,对信号的每个模态分量分别进行SPWVD计算,将每个分量的计算结果累加得到轴承信号的二维时频图;最后,将时频图作为ResNet18卷积神经网络的输入,自动提取图像的深层特征完成滚动轴承的故障诊断.对10类轴承故障进行多次故障识别,该方法的平均准确率提升至99.56％,能有效地完成滚动轴承故障类别以及损伤程度的精确判定.
文献关键词：
变分模态分解;平滑伪魏格纳分布;时频图;卷积神经网络;故障诊断
中图分类号：
作者姓名：
刘世林;陈里里
作者机构：
重庆交通大学机电与车辆工程学院,重庆 400074
文献出处：
引用格式：
[1]刘世林;陈里里-.基于VMD-SPWVD-CNN的滚动轴承故障智能诊断)[J].组合机床与自动化加工技术,2022(04):62-65,69
A类：
平滑伪魏格纳分布,魏格纳分布
B类：
VMD,SPWVD,故障智能诊断,故障诊断方法,提取特征,变分模态分解,滚动轴承故障诊断,轴承振动,振动信号,中心频率,模态分量,累加,加得,时频图,ResNet18,自动提取,深层特征,故障识别,平均准确率,准确率提升
AB值：
0.21278
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。
