【论文】变工况下基于信息融合的地铁牵引电机轴承故障智能诊断

qq_1537237806

变工况下滚动轴承故障信号中蕴藏着丰富的特征信息。针对传统滚动轴承故障诊断方法过于依赖先验知识和专家经验，以及单一信号对某些故障识别率偏低的问题，提出一种变工况下基于信息融合的地铁牵引电机轴承故障诊断方法。首先，搭建滚动轴承试验与多信息采集系统；其次，对地铁牵引电机轴承进行缺陷预制并采集轴承试验过程中的声发射和振动信号；然后，用小波包分解对原始信号进行处理并提取特征，再用卷积神经网络（Convolutional Neural Network， CNN）对归一化后的特征信息进行融合；最后，建立二维卷积神经网络模型，进行不同工况下的地铁牵引电机轴承故障智能诊断。试验结果表明：变工况下基于信息融合的地铁牵引电机轴承故障智能诊断方法，可在载荷和转速变化的情况下准确识别轴承的故障类型，当神经网络训练集与测试集涵盖工况相同时，准确度可达100%。