热能动力工程

作者：肖俊青，金江涛，李 春，许子非

单位：上海理工大学 能源与动力工程学院，上海 200093,,上海理工大学 能源与动力工程学院，上海 200093,,上海理工大学 能源与动力工程学院，上海 200093,,上海理工大学 能源与动力工程学院，上海 200093,

关键词：卷积神经网络;轴承;自适应白噪声平均总体经验模态分解;分形盒维数;故障诊断

基金：国家自然科学基金（51976131，52006148）；上海市“科技创新行动计划”地方院校能力建设项目（19060502200）

针对滚动轴承振动信号易受环境噪声干扰及浅层学习模型依赖人工经验难以准确提取故障特征的难题，提出了一种优化自适应白噪声平均总体经验模态分解(OCEEMDAN)与卷积神经网络(CNN)联合的故障诊断方法。采用自适应白噪声平均总体经验模态分解(CEEMDAN)算法对原始信号进行分解，分形维数筛选最佳分量，奇异值(SVD)降噪优化，输入CNN实现故障诊断，分别与EMDCNN、EEMDCNN及CEEMDANCNN方法进行对比。结果表明：该方法在不同工况下均具有较高的识别率，突显了良好的鲁棒性与泛化性。

来源：2022年第4期

《热能动力工程》期刊编辑部

查看热能动力工程杂志2022年第4期