基于双通道特征融合的轴承故障诊断方法 |
| |
作者姓名: | 张晓宁 朱慧龙 辛亮 杨慕晨 汪浩 |
| |
作者单位: | 1. 中车青岛四方机车车辆股份有限公司;2. 西南交通大学轨道交通运载系统全国重点实验室 |
| |
基金项目: | 四川省自然科学基金项目(2022NSFSC1918,2022NSFSC1910); |
| |
摘 要: | 基于卷积神经网络(Convolution Neural Network,CNN)的智能诊断方法在轴承故障诊断中应用广泛,但是大多数诊断模型以单源信息输入为主,这将影响基于CNN的故障诊断准确性和可靠性。针对这个问题,文章提出一种基于双通道特征融合的滚动轴承故障诊断方法。首先利用多重Q因子连续Gabor小波变换(Multiple Q-factor Continuous Gabor Wavelet Transform,CMQGWT)和快速谱相干(Fast Spectral Coherence,Fast-SC)分别构造滚动轴承振动信号的时频分析图;然后搭建1个具有双输入通道的CNN网络模型,通过特征融合层将各个通道提取的深度时频特征融合成1个新的特征;最后利用分类器输出诊断结果。在高速列车滚动轴承单故障和复合故障的分类识别试验中,较之于单输入通道的CNN模型,该模型具有更高的诊断准确性和鲁棒性。
|
关 键 词: | 滚动轴承 卷积神经网络 特征融合 故障诊断 高速列车 |
|
|