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教育部重点实验室, 重庆 400065
2 重庆邮电大学光纤通信重点实验室, 重庆 400065
针对齿轮故障难以识别的问题,提出了一种用于齿轮异常状态识别的自适应噪声补偿聚合经验模态分解方法。利用光纤布拉格光栅(FBG)传感器提取齿轮的振动信号,通过自适应补偿高斯白噪声使振动信号频谱均匀化,以消除经验模态算法分解产生的模态混叠现象。利用相关系数和峭度值组成综合评价指标来选择有效分量,并提取其特征,采用支持向量机对齿轮故障进行识别与分类。实验结果表明:所提方法能有效地识别齿轮的不同状态(正常、轻度磨损、重度磨损、点蚀、裂纹以及断齿等),识别正确率均在90%以上。
光纤光学 齿轮 故障检测 光纤布拉格光栅 经验模态分解 模态混叠
