基于BWO-VMD的改进ConvNeXt网络轴承故障诊断方法技术

本发明专利技术涉及一种基于BWO‑VMD的改进ConvNeXt网络轴承故障诊断方法，其包括以下步骤：收集多个不同健康状态的轴承振动信号，对这些信号采用BWO‑VMD方法进行分解，获取最优特征IMF分量；将IMF分量作为振动信号的特征样本，选用数据重叠分割的方法获取大量特征样本，将特征样本采用GADF转换为二维图像特征；对特征样本划分训练集和测试集，输入改进ConvNeXt网络中学习特征并进行故障识别；通过本方法的模型训练可以快速达到收敛稳定，且对不同的振动信号均能提取有效故障特征，其识别准确率高，诊断功能好。

【技术实现步骤摘要】

本专利技术涉及机械设备，具体涉及基于bwo-vmd的改进convnext网络轴承故障诊断方法。

技术介绍

1、随着科技不断发展，大型机械设备在生活的各个领域应用越发广泛，尤其重工业区更为明显。而滚动轴承是机械设备中的主要零部件之一，该部件的运行状态会直接影响整个机械设备的健康状态，所以对其早期的故障诊断是十分必要且重要的。

2、目前，滚动轴承故障诊断通常采用振动分析法，即通过传感器收集设备的一维时序振动信号进行检测分析。然而该方法受背景噪声影响较大，提取到的故障特征不够明显。据此，小波变换(wavelet transform,wt)应用于轴承故障诊断中，但wt存在噪声鲁棒性不高，小波函数很难确定并难以保证降噪效果等问题。之后，人们将改进的经验模态分解(emd)方法等将基于聚类算法的集合经验模态分解(eemd)应用到轴承故障诊断中，对轴承振动信号的噪声和突变脉冲取得了良好的识别效果，但上述方法存在端点效应、模态混叠等问题，且过程耗时费力，这些问题使得在实际应用中仍然存在一定的挑战。

3、而现有提出了变分模态分解算法可以有效的解决emd本文档来自技高网...

【技术保护点】

1.基于BWO-VMD的改进ConvNeXt网络轴承故障诊断方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于BWO-VMD的改进ConvNeXt网络轴承故障诊断方法，其特征在于，所述BWO-VMD方法包括以下步骤：

3.根据权利要求1所述的基于BWO-VMD的改进ConvNeXt网络轴承故障诊断方法，其特征在于，所述改进ConvNeXt网络包括在ConvNeXt网络增加单一模块的堆叠次数。

4.根据权利要求3所述的基于BWO-VMD的改进ConvNeXt网络轴承故障诊断方法，其特征在于，所述改进ConvNeXt网络还包括使用深度可分离卷积...

【技术特征摘要】

1.基于bwo-vmd的改进convnext网络轴承故障诊断方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于bwo-vmd的改进convnext网络轴承故障诊断方法，其特征在于，所述bwo-vmd方法包括以下步骤：

3.根据权利要求1所述的基于bwo-vmd的改进convnext网络轴承故障诊断方法，其特征在于，所述改进convnext网络包括在convnext网络增加单一模块的堆叠次数。

4.根据权利要求3所述的基于bwo-vmd的改进convnext网络轴承故障诊断方法，其特征在于，所述改进convnext网络还包括使用深度可分离卷积代替cnn网络中的普通卷积。

5.根据权利要求4所述的基于bwo-vmd的改进convnext网络轴...

【专利技术属性】
技术研发人员：袁迪，贺前华，孙国玺，李新超，
申请(专利权)人：华南理工大学，
类型：发明
国别省市：