融合时频域特征的轴承故障深度置信分类方法

摘要

轴承工作在复杂的环境中，使得轴承振动信号具有一定的非线性。为了解决轴承故障诊断中的这一难题，提出一种基于时频域特征提取的轴承故障深度建模方法。首先提取振动信号时域中的描述性统计参数，然后用快速傅里叶变换（fast fourier transform, FFT）将时域信号转换到频域，提取频域特征以及频域中的描述性统计参数，使用卡方检验选择时频域组合特征集中的重要特征。最后使用深度置信神经网络（deep belief network, DBN）对轴承故障进行分类。在两个数据集上通过对比单域特征提取以及不同分类算法的故障诊断结果，验证了所提方法能够有效的提高故障识别准确率。