轻工学报

作者：楼剑阳, 南国防, 宋传冲

单位：上海理工大学能源与动力工程学院,上海200093

关键词：小波包分解, 卷积神经网络, 故障诊断, 滚动轴承

基金：国家自然科学基金项目（91852117）

针对旋转机械滚动轴承在恶劣工作环境中易于损坏，而目前故障诊断过于依赖人工特征提取的问题，提出了一种基于小波包分解和卷积神经网络（CNN）的滚动轴承故障诊断方法（WPDEC-CNN）：通过小波包分解对振动时域信号进行处理，获得表征信号相似的小波系数，再将其进行预处理后输入CNN进行分类识别.试验结果表明，WPDEC-CNN的损失率低于BP神经网络和CNN，为0.108 9；WPDEC-CNN的故障分类准确率均高于BP神经网络和CNN，达到97.3%，验证了所提故障诊断方法的有效性.

来源：2021年第3期

《轻工学报》期刊编辑部

查看轻工学报杂志2021年第3期