1 重庆邮电大学工业物联网与网络化控制教育部重点实验室, 重庆 400065
2 重庆邮电大学光纤通信技术重点实验室, 重庆 400065
针对传统轴承故障诊断算法精度低、易受噪声干扰等问题,提出一种经验模态分解与卷积神经网络相结合的诊断方法。利用光纤布拉格光栅(FBG)获取轴承的振动信号,再由经验模态分解将信号分解为多个本征模态函数(IMF)分量,并提取有效信号,利用IMF分量的结构特性将IMF分量组合成矩阵,输入至改进的卷积神经网络中进行故障分类识别。实验结果表明,所提方法能有效识别正常轴承、故障轴承及复合故障轴承,其识别准确率大于91%。
光纤光学 轴承故障诊断 经验模态分解 卷积神经网络 解耦分类 中国激光
2020, 47(11): 1104004
1 重庆邮电大学工业物联网与网络化控制教育部重点实验室, 重庆 400065
2 重庆邮电大学光纤通信技术信产部重点实验室, 重庆 400065
为了解决周界入侵行为识别正确率低的问题,对经验模态分解算法进行改进,并将其用于光纤布拉格光栅周界入侵行为分类。该方法利用短时平均过零率从整体信号中提取入侵信号,采用两次极值波延拓抑制经验模态分解算法的端点效应,对入侵信号进行分解并提取有效分量的特征,引用支持向量机对入侵行为进行识别;在室外环境下分别对无入侵和攀爬、剪切、碰撞、触摸4种入侵行为进行分类与识别。结果表明,所提方法能有效识别不同的入侵行为,识别正确率大于96%。
光栅 周界安防 经验模态分解 短时平均过零率 极值波延拓 光纤布拉格光栅
