基于频域特征的航空轴承智能诊断

【类型】期刊

【作者】李宏宇  苏越  陈康  王俨剀 

【刊名】航空动力学报

【关键词】 特征提取,滚动轴承,故障诊断,双向循环长短期记忆网络,神经网络

【摘要】针对航空发动机滚动轴承的故障诊断，提出一种基于频域特征的故障诊断模型。将原始振动信号进行包络解调预处理，仅取每段数据处理后的512个点作为故障特征，将其作为双向循环长短期记忆网络（BiLSTM）模型的输入，可对内圈故障、外圈故障、滚动体故障及每种故障所对应3种不同的故障程度进行诊断。该模型不仅弥补完全由原始振动信号输入导致输入数据冗长，特征不明显等缺点，也弥补由人工提取振动特征来进行故障诊断的不确定性。在滚动轴承公开数据集上进行实验，结果表明故障识别的准确度达到99.8%以上。搭建航空轴承实验器来对方法与模型进行检验。基于频域特征的双向循环长短期记忆网络模型能够更准确地对轴承进行故障诊断，所提方法对于航空发动机滚动轴承故障诊断具有重要工程价值。

【年份】2024

【作者单位】西北工业大学动力与能源学院;

【期号】06

【页码】253-263