基于改进CAE-KPCA 特征融合的轴承故障诊断

来源：机械与电子杂志2026年第02期北京时间：

作者：马进1;刘畅2;陈文庆3;胡雪年3

单位： (1.陕煤集团神南产业发展有限公司,陕西 神木 719300;2.徐州工程学院机电工程学院,江苏 徐州 221018;
3.中国矿业大学机电工程学院,江苏 徐州 221116)

摘要：针对传统滚动轴承特征提取方法难以充分挖掘故障脉冲、特征提取能力有限的问题,提出一种改进CAE KPCA 的滚动轴承特征融合方法。采用点对称分析方法将原始信号转换为SDP图像;通过改进的卷积自编码器提取SDP图像的抽象特征,并利用Adam 优化算法训练模型,实现高效的多参数优化;通过直方图均衡化处理SDP图像并计算其统计特征集,利用故障响应增益指标筛选出故障响应显著的统计特征,以提升统计特征质量;利用KPCA 方法对抽象特征与统计特征进行降维融合,消除特征间的冗余信息。实验结果表明,与单独使用抽象特征或统计特征相比,改进CAE KPCA 方法得到的融合特征在多个常用故障诊断模型中的故障诊断准确率最高。

关键词：滚动轴承;故障脉冲;特征融合;抽象特征;统计特征