基于小波变换和深度学习的滚动轴承微弱故障诊断方法

摘要

本发明公开了一种基于小波变换和深度学习的滚动轴承早期微弱故障的诊断方法。该方法包括：首先获取滚动轴承振动信号，对采集的振动信号进行连续小波变换得到时频图；然后，对时频图上每个频率对应小波系数进行自相关运算滤除噪声干扰并提取出周期性的故障成分；再利用Hilbert变换进行包络解调获取故障特征频率；最后，将处理后的时频图作为特征图输入，通过训练深度学习分类模型对早期故障的类别进行判断。理论和实验结果证明，结合改进的小波时频图作为输入训练的分类模型在滚动轴承产生微弱故障的早期就能够对故障的类别进行非常准确的判断，在不同的轴承上使用时也能给出正确的判断结果，训练的速度也很快，具有非常好的实际应用价值。