基于连续小波变换的CNN—SVM农机滚动轴承故障诊断#br#

来源：中国农机化学报杂志2025年第4期北京时间：

作者：沈伟杰, 肖茂华, 宋新民, 项腾飞

单位：(1. 浙江经济职业技术学院汽车技术学院，杭州市，310018； 2. 南京农业大学工学院，南京市，210031)

摘要：针对农用机械滚动轴承故障诊断中轴承振动信号非线性、非平稳特性以及故障特征表征不明显的问题，提出一种基于连续小波变换(CWT)、卷积神经网络(CNN)和支持向量机(SVM)的滚动轴承故障诊断方法(CWT—CNN—SVM)。首先，利用CWT对滚动轴承振动信号进行多尺度时频分析，为后续故障诊断提供更详细的特征；然后，将提取到的时频图作为输入，利用CNN深层次学习故障特征信息；最后，采用SVM对输出结果进行分类，以实现精确的故障类型识别。与BPNN、SVM、CWT—CNN以及CWT—ResNet等方法比较，试验结果表明，CWT—CNN—SVM故障诊断准确率最高，单次准确率达到100%，5次重复试验准确率为99.62%。CWT—CNN—SVM在处理复杂的滚动轴承故障诊断问题时，不仅诊断准确，同时展现出深度学习与故障诊断相结合的优势，能进一步提升小数据集的性能。所提出的CWT—CNN—SVM方法对于提升农机滚动轴承故障诊断性能，具有一定的理论价值和实际应用前景。

关键词：故障诊断,农机,滚动轴承,连续小波变换,卷积神经网络,支持向量机

基金资助：国家重点研发计划(2022YFD2001805)；浙江省教育厅一般科研项目(Y202351973)；浙江省高等学校教师专业发展项目(FX2023147)