基于VMD-CWT-CNN的滚动轴承故障诊断

摘要

针对传统故障诊断方法需人工提取特征且识别率低的问题，提出了一种基于变分模态分解（Variational Modal Decomposition, VMD）和连续小波变换（Continuous Wavelet Transform, CWT）并结合卷积神经网络（Convolutional Neural Network, CNN）的VMD-CWT-CNN模型用于滚动轴承故障诊断。首先，通过VMD将轴承振动信号分解为多个具有不同中心频率的模态分量；其次，采用CWT将模态分量进行计算并转为二维时频图；最后，将时频图输入结构裁剪后的EfficientNet卷积神经网络自动提取特征并完成滚动轴承的故障诊断。使用提出的方法对美国凯斯西储大学10类轴承故障数据进行多次实验，平均准确率达到了99.86%,能有效地完成滚动轴承信号的特征提取以及损伤程度的精确诊断。