基于VMD和改进DenseNet的滚动轴承故障诊断

来源：动力工程学报杂志2023年第11期北京时间：

作者：董路南, 邓艾东, 范永胜, 刘洋,

摘要：针对传统故障诊断方法抗噪性能差,对振动信号中的故障信息挖掘不充分的问题,提出了一种基于变分模态分解(VMD)与改进的稠密连接网络(DenseNet)相结合的滚动轴承故障诊断模型。首先利用VMD将含有噪声的振动信号分解为多个本征模态分量,选取与原始信号相关性较大的若干分量并重构,得到降噪后的信号。然后将重构信号送入DenseNet网络中提取特征,并通过增加通道注意力机制对提取的不同特征赋予不同的权重,进一步强化特征的区分度。最后,通过Softmax层完成故障分类。结果表明:该模型对含有不同强度噪声的振动信号均能有效提取故障特征,具有良好的诊断性能。

关键词：变分模态分解,稠密连接网络,降噪,通道注意力机制,故障诊断,