基于MFCC-FcaNet的滚动轴承故障诊断方法技术

本发明专利技术提供一种基于MFCC

【技术实现步骤摘要】
基于MFCC
‑
FcaNet的滚动轴承故障诊断方法


[0001]本专利技术提供一种基于MFCC
‑
FcaNet的滚动轴承故障诊断方法，属于故障模式识别


技术介绍

[0002]据统计，旋转机械发生故障的来源45％是轴承零部件，在工业环境中，由于轴承发生故障将影响整个机械系统的安全运行，甚至会造成不可估量的经济损失。随着机械装备自动化程度与信息化程度日益提高，数据驱动的故障诊断方法成为工业领域轴承故障识别的新趋势。由于滚动轴承的运行状态是一个连续的过程，当轴承部件发生故障时，振动信号的时域和频域特征与正常状态相比没有明显变化，在带有噪声的环境中工作，从非平稳原始振动信号中提取显著特征仍是一个巨大挑战。与时域和频域特征相比，更健壮的时频域特征提取技术为更可靠的诊断提供了坚实的基础，因为它们更不受噪声的影响。同时目前卷积神经网络在故障模式识别中已经取得了很大的成功，依靠其强大的特征提取与拟合能力，在故障模式识别方面有着广泛的应用。

技术实现思路

[0003]本专利技术针对现有技术的缺陷，提出本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于MFCC
‑
FcaNet的滚动轴承故障诊断方法，其特征在于，包括以下步骤：步骤1、对滚动轴承典型故障开展振动测试实验，测量获得振动加速度信号；步骤2、故障特征提取梅尔倒谱系数图；步骤3、正向传播：将计算得到的梅尔倒谱系数图输入基于MFCC
‑
FcaNet的神经网络中进行前向传播；步骤4、反向传播：定义网络损失函数，根据损失函数反向传播，对MFCC
‑
FcaNet的神经网络进行迭代优化训练；步骤5、网络测试：向训练完成的网络...

【专利技术属性】
技术研发人员：谢素超，刘润达，王嘉诚，谭鸿创，李雅鑫，冯哲骏，
申请(专利权)人：中南大学，
类型：发明
国别省市：