完备变分模态分解和多传感器卷积神经网络的轴承故障诊断方法

来源：机床与液压杂志2022年第14期北京时间：

作者：谭亚红，史耀

单位：重庆工程职业技术学院智能制造与交通学院；重庆工程职业技术学院智能制造与交通学院

摘要：针对传统滚动轴承故障诊断方法难以提取和辨识故障特征等问题，提出一种完备变分模态分解（CVMD）和工业多传感器卷积神经网络（MSCNN）相结合的轴承故障识别模型。在采集到的滚动轴承故障振动数据中加入2对符号相反但幅值相等的白噪声，并使用变分模态分解将故障振动数据分解为若干本征模态分量（IMFs）并进行集成平均；利用综合指标选择合适的IMFs分量并重构；针对多传感器结构，在卷积神经网络的基础上，提出MSCNN网络，并将重构后的振动信号输入MSCNN进行自动特征学习与故障诊断。结果表明：所提出的CVMD-MSCNN模型的故障诊断准确率达99.76%，标准差为0.16，相比于其他深度学习方法，其诊断准确率和稳定性较优。

关键词：滚动轴承;变分模态分解;卷积神经网络;故障诊断