变工况下基于信息融合的地铁牵引电机轴承故障智能诊断

TH165+.3%TH133.33; 针对传统滚动轴承故障诊断方法过于依赖先验知识和专家经验,以及单一信号对某些故障识别率偏低的问题,提出一种变工况下基于信息融合的地铁牵引电机轴承故障诊断方法.首先搭建滚动轴承试验与多信息采集系统;其次对地铁牵引电机轴承进行缺陷预制并采集轴承试验过程中的声发射和振动信号;然后用小波包分解对原始信号进行处理并提取特征,再用卷积神经网络对归一化后的特征信息进行融合;最后建立二维卷积神经网络模型,对不同工况下的地铁牵引电机轴承故障进行智能诊断.试验结果表明:变工况下基于信息融合的地铁牵引电机轴承故障智能诊断方法,可在载荷和转速变化的情况下准确识别轴承的故障类型,当神...

Full description

Saved in:
Bibliographic Details
Published in计算机集成制造系统 Vol. 27; no. 11; pp. 3247 - 3258
Main Authors 徐彦伟, 蔡薇薇, 颉潭成, 陈立海, 刘明明
Format Journal Article
LanguageChinese
Published 河南科技大学机电工程学院,河南洛阳471003 01.11.2021
智能数控装备河南省工程实验室,河南洛阳471003%河南科技大学机电工程学院,河南洛阳471003
Subjects
地铁牵引电机轴承;卷积神经网络;信息融合;故障诊断
Online AccessGet full text
ISSN1006-5911
DOI10.13196/j.cims.2021.11.018

Cover

More Information
Summary:TH165+.3%TH133.33; 针对传统滚动轴承故障诊断方法过于依赖先验知识和专家经验,以及单一信号对某些故障识别率偏低的问题,提出一种变工况下基于信息融合的地铁牵引电机轴承故障诊断方法.首先搭建滚动轴承试验与多信息采集系统;其次对地铁牵引电机轴承进行缺陷预制并采集轴承试验过程中的声发射和振动信号;然后用小波包分解对原始信号进行处理并提取特征,再用卷积神经网络对归一化后的特征信息进行融合;最后建立二维卷积神经网络模型,对不同工况下的地铁牵引电机轴承故障进行智能诊断.试验结果表明:变工况下基于信息融合的地铁牵引电机轴承故障智能诊断方法,可在载荷和转速变化的情况下准确识别轴承的故障类型,当神经网络训练集与测试集涵盖工况相同时,准确度可达100％.
ISSN:1006-5911
DOI:10.13196/j.cims.2021.11.018