頻域特征提取聯(lián)合雙流CNN的軸承故障診斷方法

摘要： 針對(duì)傳統(tǒng)方法提取到的軸承各類(lèi)故障特征混雜，部分類(lèi)別故障不易區(qū)分的問(wèn)題，設(shè)計(jì)一種雙流卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Network,CNN)的故障診斷模型。首先將振動(dòng)信號(hào)轉(zhuǎn)換到頻域，為減少低頻微弱信號(hào)的干擾，過(guò)濾頻域信號(hào)，設(shè)定濾波器通帶和阻帶衰減值以保證信號(hào)不失真，進(jìn)而確定頻率帶寬，在該帶寬值下求得信號(hào)振幅占比最大值的范圍，同時(shí)以正常信號(hào)振幅平均值作為高頻... （共8頁(yè)）