基于VMD和改进DenseNet的滚动轴承故障诊断
文档名：基于VMD和改进DenseNet的滚动轴承故障诊断
摘要：针对传统故障诊断方法抗噪性能差,对振动信号中的故障信息挖掘不充分的问题,提出了一种基于变分模态分解(VMD)与改进的稠密连接网络(DenseNet)相结合的滚动轴承故障诊断模型.首先利用VMD将含有噪声的振动信号分解为多个本征模态分量,选取与原始信号相关性较大的若干分量并重构,得到降噪后的信号.然后将重构信号送入DenseNet网络中提取特征,并通过增加通道注意力机制对提取的不同特征赋予不同的权重,进一步强化特征的区分度.最后,通过Softmax层完成故障分类.结果表明:该模型对含有不同强度噪声的振动信号均能有效提取故障特征,具有良好的诊断性能.
作者：董路南 邓艾东 范永胜 刘洋 Author：DONGLunan DENGAidong FANYongsheng LIUYang
作者单位：东南大学能源与环境学院,南京210096;大型发电装备安全运行与智能测控国家工程研究中心,南京210096国家能源集团江苏电力有限公司,南京215433
刊名：动力工程学报 ISTICPKU
Journal：JournalOfChineseSocietyOfPowerEngineering
年，卷(期)：2023, 43(11)
分类号：TH133
关键词：变分模态分解稠密连接网络降噪通道注意力机制故障诊断
Keywords：variationalmodedecompositionDenseNetdenoisingchannelattentionmechanismfaultdi-agnosis
机标分类号：
在线出版日期：2023年12月6日
基金项目：江苏省碳中，科技创新专项资金资助项目，江苏省重点研发计划资助项目基于VMD和改进DenseNet的滚动轴承故障诊断[
期刊论文]动力工程学报--2023, 43(11)董路南邓艾东范永胜刘洋针对传统故障诊断方法抗噪性能差,对振动信号中的故障信息挖掘不充分的问题,提出了一种基于变分模态分解(VMD)与改进的稠密连接网络(DenseNet)相结合的滚动轴承故障诊断模型.首先利用VMD将含有噪声的振动信号分解为多个...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
基于VMD和改进DenseNet的滚动轴承故障诊断Rolling Bearing Fault Diagnosis Based on VMD and Improved DenseNet
基于VMD和改进DenseNet的滚动轴承故障诊断.pdf
页:
[1]