基于EMD-SVD和CNN的旋转机械故障诊断

被引：107

作者：

张立智

徐卫晓

井陆阳

谭继文

机构：

[1] 青岛理工大学机械与汽车工程学院

来源：

振动测试与诊断. | 2020年 / 40卷 / 06期

关键词：

滚动轴承; 齿轮箱; 故障诊断; 经验模态分解; 奇异值分解; 深度卷积网络;

D O I：

10.16450/j.cnki.issn.1004-6801.2020.06.005

中图分类号：

TH17 [机械运行与维修]; TN911.6 [信号分析];

学科分类号：

120111 [工业工程]; 120505 [信息分析];

摘要：

为解决旋转机械振动信号复杂且难以提取有效故障特征的问题,提出了一种经验模态分解(empirical mode decomposition,简称EMD)、奇异值分解(singular value decomposition,简称SVD)和深度卷积网络(Convolutional Neural Network,简称CNN)相结合的故障诊断方法。首先,通过EMD方法将故障信号分解成若干个固有模态分量(intrinsic mode function,简称IMF),构造时域与频域空间状态矩阵;其次,利用SVD方法对空间状态矩阵进行分解得到奇异值数组,构造时域与频域奇异值特征矩阵;最后,将提取的奇异值特征矩阵输入到CNN中进行模式识别。将该方法分别应用于滚动轴承与齿轮箱故障诊断中,在西储大学滚动轴承数据集、PHM2009直齿齿轮箱数据集上均取得了很好效果,正确率优于将原始信号直接输入到CNN中等几种对比方法,验证了该方法的优越性。

引用

页码：1063 / 1070+1228 +1228

页数：9

共 14 条

[1]

A convolutional neural network based feature learning and fault diagnosis method for the condition monitoring of gearbox.[J].Luyang Jing;Ming Zhao;Pin Li;Xiaoqiang Xu.Measurement.2017,

[2]

Convolutional Neural Network Based Fault Detection for Rotating Machinery.[J].Olivier Janssens;Viktor Slavkovikj;Bram Vervisch;Kurt Stockman;Mia Loccufier;Steven Verstockt;Rik Van de Walle;Sofie Van Hoecke.Journal of Sound and Vibration.2016,

[3]

Gearbox Fault Identification and Classification with Convolutional Neural Networks.[J].ZhiQiang Chen;Chuan Li;René-Vinicio Sanchez;Dong Wang.Shock and Vibration.2015,

[4]

Fault diagnosis of rotating machinery based on the statistical parameters of wavelet packet paving and a generic support vector regressive classifier [J].

Shen, Changqing ;

Wang, Dong ;

Kong, Fanrang ;

Tse, Peter W. .

MEASUREMENT, 2013, 46 (04) :1551-1564

[5]

Application of the EEMD method to rotor fault diagnosis of rotating machinery.[J].Yaguo Lei;Zhengjia He;Yanyang Zi.Mechanical Systems and Signal Processing.2008, 4

[6]

The application of some non-linear methods in rotating machinery fault diagnosis [J].