热能动力工程

作者：许子非，缪维跑，李 春，金江涛

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,,上海市动力工程多项流动与传热重点实验室，上海 200093,,上海理工大学 能源与动力工程学院，上海 200093,

关键词：变分模态分解;卷积神经网络;轴承;故障诊断

基金：国家自然科学基金（51976131，51676131）；上海市“科技创新心动计划”地方院校能力建设项目（19060502200）

为解决滚动轴承在变载荷、大噪声背景下故障诊断困难及所建立智能模型泛化能力不足的问题，基于变分模态分解算法（Variational Mode Decomposition，VMD）及卷积神经网络（Convolutional Neural Network，CNN）技术提出VMD-CNN故障诊断模型。以标准轴承实验数据为研究对象，对11种故障类型和损伤程度不同的轴承状态进行识别。结果表明：不同模态数所对应的VMD-CNN模型诊断性能不同，模态过多导致过分解现象，弱化模型性能；与现有算法相比，基于最优模态数所构建的VMD-CNN模型在变载荷与噪声环境下性能更佳；可视化提取特征“点簇”说明各模态间存在互补机制，此机制可一定程度上提升模型鲁棒性与泛化能力。

来源：2021年第3期

《热能动力工程》期刊编辑部

查看热能动力工程杂志2021年第3期