内燃机工程

作者：孙英淳,唐斌,蔡先阳

单位：大连理工大学 内燃机研究所,大连 116024,大连理工大学 内燃机研究所,大连 116024,大连理工大学 内燃机研究所,大连 116024

关键词：滚动轴承,故障诊断,倒谱,对称点图谱,卷积神经网络,

基金：中央高校基本科研项目（DUT18LAB15）

针对内燃机增压器滚动轴承振动信号易受噪声影响、故障特征微弱的问题，提出了一种基于倒谱（cepstrum）–对称点图谱（symmetrized dot pattern， SDP）–卷积神经网络（convolution neural network， CNN）的智能故障诊断方法。通过倒谱对原始信号进行故障特征提取，获取能够反映滚动轴承故障类型的特征向量。然后应用对称点图谱方法将一维倒谱数据映射到极坐标空间，并进行灰度化处理得到SDP特征灰度图，将特征图导入到卷积神经网络进行特征挖掘和故障识别。最后通过滚动轴承外滚道、内滚道和滚动体出现损伤的故障试验，构建了9类故障状态原始信号，验证了基于倒谱–SDP–CNN的智能故障诊断方法。结果表明：倒谱–SDP–CNN方法具有运算简便、快捷、受噪声影响较小等优点，对试验测试集的故障识别准确率达到97.5%，可以较为准确地诊断增压器滚动轴承的故障状态和严重程度。

来源：2023年第6期

《内燃机工程》期刊编辑部

查看内燃机工程杂志2023年第6期