基于小波包分解和卷积神经网络的滚动轴承故障诊断
楼剑阳
南国防
宋传冲
上海理工大学 能源与动力工程学院,上海200093
摘要：针对旋转机械滚动轴承在恶劣工作环境中易于损坏,而目前故障诊断过于依赖人工特征提取的问题,提出了一种基于小波包分解和卷积神经网络(CNN)的滚动轴承故障诊断方法(WPDEC-CNN):通过小波包分解对振动时域信号进行处理,获得表征信号相似的小波系数,再将其进行预处理后输入CNN进行分类识别.试验结果表明,WPDEC-CNN的损失率低于BP神经网络和CNN,为0.1089;WPDEC-CNN的故障分类准确率均高于BP神经网络和CNN,达到97.3％,验证了所提故障诊断方法的有效性.
关键词：小波包分解卷积神经网络故障诊断滚动轴承
分类号：TK05(一般性问题)
资助基金：国家自然科学基金(91852117)
论文发表日期：2021-06-15
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：9( 79-87 )
英文信息