基于深度学习和经验模态分解的双列圆锥滚动轴承故障诊断

廖宁¹，陶洁²，杨大炼³

1. 中南林业科技大学涉外学院2. 湖南科技大学知识处理与网络化制造实验室3. 湖南科技大学机械设备健康维护湖南省重点实验室

摘 要：双列圆锥滚动轴承在列车走行部应用广泛,由于该类轴承结构比较复杂,传统的故障诊断方法难以识别该类轴承的早期微弱故障.为此,提出基于深度学习的双列圆锥滚动轴承早期微弱故障诊断方法.首先,对轴承的振动信号进行经验模态分解,提取信号的瞬时能量构造特征向量;最后,利用深度学习方法对特征向量进行无监督学习,生成故障诊断分类器,完成故障的分类识别.实验中对某型号双列圆锥滚动轴承的正常状态、内圈故障和外圈故障进行信号分析与故障识别.结果表明,所提方法能有效识别双列圆锥滚动轴承的早期微弱故障,分类准确率达到98%.

关键词：深度学习;双列圆锥滚动轴承;经验模态分解;故障诊断;