文档名：优化变分模态分解与深度学习融合的滚动轴承故障诊断策略
摘要：针对滚动轴承早期振动信号具有强非线性特征,导致难以判断其故障类型,提出了以相关峭度和Lyapunov指数为综合目标函数的优化变分模态分解(OVMD)参数优化方法,对综合目标函数最小值进行搜索,以确定模态分解数及惩罚因子的最佳组合,实现降噪与特征提取,重构故障信号,并采用相空间重构法还原系统动力学非线性结构,通过卷积神经网络(CNN)提取纯净信号.结果表明:OVMD可有效降噪并剔除无关分量,重构信号经CNN学习后,吸引子轨迹收缩,信号非线性降低,故障呈可分状;该OVMD-CNN诊断模型具有良好的鲁棒性与泛化性,可实现轴承故障的智能诊断.
作者：孙康 金江涛 李春 许子非 Author：SUNKang JINJiangtao LIChun XUZifei
作者单位：上海理工大学能源与动力工程学院,上海200093上海理工大学能源与动力工程学院,上海200093;上海市动力工程多相流动与传热重点实验室,上海200093
刊名：动力工程学报 ISTICPKU
Journal：JournalOfChineseSocietyOfPowerEngineering
年，卷(期)：2023, 43(6)
分类号：TH133
关键词：变分模态分解 相关峭度 Lyapunov指数 相空间重构 卷积神经网络 故障诊断
机标分类号：TH113.1TP206TP391.41
在线出版日期：2023年7月3日
基金项目：国家自然科学基金，国家自然科学基金，国家自然科学基金，上海科技创新行动计划地方院校能力建设资助项目优化变分模态分解与深度学习融合的滚动轴承故障诊断策略[
期刊论文] 动力工程学报--2023, 43(6)孙康 金江涛 李春 许子非针对滚动轴承早期振动信号具有强非线性特征,导致难以判断其故障类型,提出了以相关峭度和Lyapunov指数为综合目标函数的优化变分模态分解(OVMD)参数优化方法,对综合目标函数最小值进行搜索,以确定模态分解数及惩罚因子的...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
优化变分模态分解与深度学习融合的滚动轴承故障诊断策略 Fault Diagnosis Strategy for Rolling Bearing Based on Optimal Fusion of Variational Modal Decomposition and Deep Learning
优化变分模态分解与深度学习融合的滚动轴承故障诊断策略.pdf
- 文件大小:
- 6.28 MB
- 下载次数:
- 60
-
高速下载
|
|
