基于阶比分析与LSTM的轴承故障特征提取研究

摘要

随着机械设备日趋复杂化与集成化，轴承在运行模式与环境方面的复杂性给故障诊断的准确性带来更大挑战。针对变转速工况下轴承振动特性发生变化，且噪声在时域和频域上双重干扰轴承故障特征成分，导致故障特征频率难以准确识别和提取的问题，提出一种阶比分析与长短期记忆网络相结合的轴承故障诊断方法。首先，设计有限脉冲响应(FIR)低通数字滤波器，对轴承振动信号进行时域平滑处理，以去除高频噪声；其次，对去噪后的轴承振动信号进行角度域重采样，将时域非平稳信号转换为角度域平稳信号，经快速傅里叶变换(FFT)得到阶比谱；再次，利用自相关降噪原理，在频域上滤除噪声和不相关谐波分量；最后，为更准确地提取轴承故障特征，将角度域信号作为输入建立长短期记忆网络分类器，判断轴承的故障类型。试验结果表明，所提方法在时域和频域上均能有效抑制噪声干扰，成功提取3倍频及以上的特征阶比成分与复合故障特征阶比成分，分类准确率达到99.597%。

关键词

阶比分析 / 重采样 / 自相关降噪 / 长短期记忆网络