基于概率切片累积特征的轴承双向传感器信息融合故障诊断

• Published in: 计算机集成制造系统 Vol. 29; no. 8; pp. 2722 - 2732
• Main Authors: 张龙, 刘杨远, 唐晓红, 张号, 肖乾, 赵丽娟
• Format: Journal Article
• Language: Chinese
• Published: 华东交通大学 轨道交通基础设施性能监测与保障国家重点实验室,江西 南昌 330013 2023
• Subjects: 故障程度不均衡数据集; 概率切片累计特征; imbalanced data set of fault degree; bidirectional sensor information fusion; 认知不确定性; 双通道并行卷积神经网络; cumulative feature of probability slice; 双向传感器信息融合; dual-channel parallel convolution neural network; cognitive uncertainty
• ISSN: 1006-5911
• DOI: 10.13196/j.cims.2023.08.018

TH133.3; 针对采集的轴承振动信号易受环境的影响而导致存在许多不确定性因素的现实情况,采用一种基于概率切片累积特征的轴承双向传感器信息融合故障诊断方法实现对轴承故障的定性分析.首先利用概率盒理论(P-box)将来自水平和垂直方向传感器的时域信号分别进行概率盒建模,从而减小认知不确定性带来的消极影响并充分提取多方位振动信号中故障信息;然后提取模型概率切片累积特征输入到构建的双通道并行卷积神经网络(PCNN)自适应训练,在此基础上通过在网络的全连接层之前添加一个融合层进行双向特征信息融合;最后利用归一化指数函数实现故障部位的辨识.某铁路局机务段轮对轴承数据分析结果表明,所采用方法在应对故障程度不均衡数据集时仍具有较高的准确性和稳定性,且在不同噪声条件下具有一定的鲁棒性.