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
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。