基于时域Gammatone滤波特征的轴承加工缺陷智能诊断方法

现有轴承自动化装配生产线通过阈值法判断轴承是否存在加工缺陷,再由人工抽检识别轴承的具体缺陷类型,进而优化生产工艺,达到控制加工质量的目的。然而,人耳识别易受质检员主观因素的影响,难免存在对轴承加工缺陷的误诊或漏诊。为提高轴承加工缺陷类型的识别精度,同时满足大批量轴承的连续诊断需求,提出了基于时域Gammatone滤波特征的轴承加工缺陷智能诊断方法,该方法模拟人类听觉系统对声音信号的处理机制,首先利用Gammatone滤波器组提取轴承原始振动信号的多频段特征,然后通过训练智能诊断模型识别多频段特征对应的轴承加工缺陷类型。利用轴承生产线的实测数据对提出方法进行验证,结果表明:相较于其他特征提取方式,该方法能够模拟人耳对轴承加工缺陷的识别,提高了轴承加工缺陷的诊断精度。