12、轴承故障诊断与转子系统动力学分析

轴承故障诊断与转子系统动力学分析

一、轴承故障诊断方法

1.1 改进的转移学习故障诊断方法

提出了一种基于自适应噪声的完整集成经验模态分解（ICEEMDAN）的改进转移学习故障诊断方法，用于不同负载和运行条件下的轴承故障诊断。该方法的主要创新点如下：
- 高效的信号分解与特征提取 ：使用 ICEEMDAN 将原始振动传感器信号分解为多个本征模态函数（IMFs），计算 IMFs 之间的相关性，然后通过滤波重建信号，大大降低了特征提取的复杂性。
- 一维 VGG16 转移学习模型 ：设计了一个一维 VGG16 转移学习模型，保留预训练 VGG16 卷积神经网络模型的浅层结构和权重，并使用目标数据集微调 1 - D VGG16 模型高层的权重。微调后的 VGG16 模型可应用于不同运行条件下的轴承故障诊断。

1.2 方法优势

实验结果表明，该方法能有效提取故障特征，实现出色的分类和定位性能。与单独使用 ICEEMDAN 或 1 - DVGG16 相比，该方法在不同运行条件下的故障检测和定位中具有更高的准确性和鲁棒性，具有实际应用潜力和重要意义。

1.3 相关缩写解释

缩写	全称
ICEEMDAN	Improved Complete Ensemble EMD
C