-
题名基于IEWT-AK-CNN的轴承故障诊断
- 1
-
-
作者
杨辰昕
边豪杰
苏泓臣
于佳鑫
张宇宁
冼海珍
-
机构
华北电力大学电站能量传递转化与系统教育部重点实验室
华北电力大学能源动力与机械工程学院
-
出处
《核科学与工程》
北大核心
2025年第5期1008-1017,共10页
-
文摘
为实现核电厂旋转机械轴承故障的有效诊断,提出了一种基于改进经验小波变换、自相关峭度和卷积神经网络的特征提取和智能诊断方法。首先,引入数学形态学改进经验小波变换,优化经验小波变换模态划分步骤,避免模态混叠现象。其次,通过改进经验小波变换得到多个模态分量,计算各模态分量的自相关峭度,提取周期性冲击特征,并构建特征向量。最后,搭建和训练卷积神经网络,得到智能诊断模型,实现轴承的智能故障诊断。利用核电厂实测轴承故障和正常信号进行测试,同时与基于经验模态分解和原始经验小波变换的智能诊断方法对比,结果表明,提出的方法平均准确率最高,准确率可达90.67%。
-
关键词
改进经验小波变换
自相关峭度
卷积神经网络
轴承故障诊断
-
Keywords
Empirical wavelet transform
Autocorrelated kurtosis
Convolutional neural network
Bearing fault diagnosis
-
分类号
TH1.3
[机械工程]
-
