基于CVAE-ACGAN特征生成模型的轴承故障诊断

针对传统故障特征生成模型在学习训练时具备不可控性、单一性和收敛速度慢的缺点从而导致故障诊断模型的诊断效果不理想的问题,通过将条件变分自动编码器(CVAE)模型可结合故障数据的类别属性进行隐含特征提取的优势与辅助分类生成式对抗网络(ACGAN)模型较好的提取类条件特征能力相结合,创新性地提出CVAE-ACGAN特征生成模型。在提高生成特征质量的基础上,兼顾模型的收敛速度和抗干扰能力。以公开轴承数据集作为数据源,与4种特征生成模型的故障诊断效果进行对比。结果表明,CVAE-ACGAN模型可在实际故障诊断中对故障数据集进行有效的扩充,进而提高故障诊断的精确度。

基于小波降噪和改进HHT的滚动轴承故障诊断方法研究

提出了一种基于小波域阈值降噪和改进Hilbert-Huang变换的滚动轴承的振动信号分析方法。利用小波域阈值消噪的方法对振动信号进行降噪,采用基于包络极值延拓和相关系数法的HHT方法得到信号的Hilbert谱和Hilbert边际谱,根据谱图幅值特性判断轴承的状态。该方法能够有效地提取信号特征,具有良好的诊断效果。