《机电工程》杂志,浙江大学与浙江省机电集团联合主办。月刊( 详细... )

中国标准连续出版物号 ISSN 1001-4551 CN 33-1088/TH
主办单位浙江省机电集团有限公司
浙江大学
主编赵 群
副 主 编唐任仲、罗向阳
总 经 理罗向阳
出 版浙江《机电工程》杂志社有限公司
地 址浙江省杭州市大学路高官弄9号
电话Tel+86-571-87239525
E-mailmeem_contribute@163.com
国外发行中国国际图书贸易总公司
订阅全国各地邮局   国外代号M3135
国内发行浙江省报刊发行局
邮发代号32-68
广告发布登记证:杭上市管广发G-001号

在线杂志

当前位置: 机电工程 >>在线杂志

基于IEWT和IWAAE的滚动轴承故障识别研究

作者:韩建哲,艾建军,邓名姣,等 日期:2022-07-20/span> 浏览:235 查看PDF文档

基于IEWT和IWAAE的滚动轴承故障识别研究*
韩建哲1,艾建军1,邓名姣1,袁朴2

(1.保定职业技术学院 机电工程系,河北 保定 071000;2.华南理工大学 机械与汽车工程学院,广东 广州 510640)


摘要:通过深度学习实现轴承故障识别时,存在着因信号噪声导致故障识别率较低的问题,针对这一问题,提出了一种基于改进经验小波变换(IEWT)和改进Wasserstein自编码器(IWAAE)的轴承故障识别方法。首先,将轴承振动数据由时域变换到包络谱域,通过包络谱的极值点与自适应阈值的关系对其进行了包络谱自动分割,进而利用经验小波变换,将数据自动分解为不同频段的调幅调频分量,并采用改进峭度指标对选取合适的分量进行了重构,进而对信号进行了有效降噪;然后,针对变分自编码器训练困难的缺陷,引入Wasserstein自编码器,根据Wasserstein自编码器中间层神经元的激活值大小,对神经元进行了自动增加或删减,进而构造了IWAAE;最后,将重构信号输入到IWAAE中,进行了滚动轴承故障特征的自动提取和故障识别。研究结果表明:与其它的轴承故障识别方法相比,采用IEWTIWAAE方法的故障识别精度更高,准确率可达99.28%,标准差仅0.32;该方法能在一定程度上缓解传统方法对人工特征提取和特征选择的依赖,其对噪声的鲁棒性高,故障识别能力优于其他组合模型方法。

关键词:旋转机械;包络谱分割;改进经验小波变换;改进Wasserstein自编码器;故障特征提取;信号降噪

中图分类号:TH133.3文献标识码:A文章编号:1001-4551(2022)05-0655-07



本文引用格式:

韩建哲,艾建军,邓名姣,等.基于IEWT和IWAAE的滚动轴承故障识别研究[J].机电工程,2022,39(5):655-661.

HAN Jian-zhe, AI Jian-jun, DENG Ming-jiao, et al. Rolling bearing faults identification based on IEWT and IWAAE[J].Journal of Mechanical & Electrical Engineering, 2022,39(5):655-661.

友情链接

浙江机械信息网