《机电工程》杂志社科技期刊核心期刊论文投稿机电一体化机械、仪表电工自动化、计算机浙江大学主办

《机电工程》杂志，月刊( 详细... )

中国标准连续出版物号： ISSN 1001-4551 CN 33-1088/TH
主办单位：浙江省机电集团有限公司
浙江大学
主编：赵群
副主编：唐任仲、罗向阳(执行主编)
总经理：罗向阳
出版：浙江《机电工程》杂志社有限公司
地址：杭州市上城区延安路95号浙江省机电集团大楼二楼211、212室
电话Tel：+86-571-87041360、87239525
E-mail：meem_contribute@163.com
国外发行：中国国际图书贸易总公司
订阅：全国各地邮局 国外代号：M3135
国内发行：浙江省报刊发行局
邮发代号：32-68
广告发布登记证：杭上市管广发G-001号

在线杂志	当前位置：机电工程 >>在线杂志

基于ISSEWD和SOWN的轴承工况识别研究

作者：戚航,郑迎华,陈锡渠日期：2021-08-20/span> 浏览：954 查看PDF文档

基于ISSEWD和SOWN的轴承工况识别研究*

戚航1,郑迎华1,陈锡渠2

(1.新乡职业技术学院汽车技术学院,河南新乡 453000;2.河南科技学院继续教育学院,河南新乡 453000)

摘要:针对传统滚动轴承运行工况识别方法需要人工特征提取和特征选择的缺陷,提出了一种基于改进谱分割经验小波分解和自组织Wasserstein网络的轴承工况识别方法。首先将采集到的滚动轴承振动信号进行Fourier变换,从而得到了频谱,然后采用四分位数法检测信号频谱边界,进而对信号频谱进行了自适应分割,将滚动轴承振动信号分解为若干本征模态函数;然后筛选出最能反映轴承运行工况特征的IMFs,并进行了信号重构;最后堆叠多个Wasserstein自编码器,进一步构造了Wasserstein网络,并引入了自组织策略,将重构后的振动信号输入自组织Wasserstein网络,进行了自动特征学习与自动工况识别。研究结果表明:基于ISSEWD-SOWN组合模型的滚动轴承识别方法平均工况识别准确率98.98%,标准差仅0.15,相比于其他组合模型在轴承工况识别准确率方面更具优势,适用于滚动轴承运行工况的自动识别。

关键词:滚动轴承;改进谱分割经验小波分解;工况识别;自组织Wasserstein网络;本征模态函数

中图分类号:TH133.3 文献标识码:A 文章编号:1001-4551(2021)06-0740-07

本文引用格式:

戚航,郑迎华,陈锡渠.基于ISSEWD和SOWN的轴承工况识别研究［J］.机电工程,2021,38(6):740-746.

QI Hang, ZHENG Ying-hua, CHEN Xi-qu. Condition identification of bearing based on ISSEWD and SOWN［J］.Journal of Mechanical & Electrical Engineering, 2021,38(6):740-746.
《机电工程》杂志:http://www.meem.com.cn