基于CEEMDAN与神经网络的框架结构故障诊断研究

为了解决框架结构受噪声影响较大而难以对其进行精确故障诊断的问题,文中提出一种基于CEEMDAN(Complete Ensemble Empirical Mode Decomposition with Adaptive Noise Analysis)与神经网络相结合的框架结构故障诊断方法。该方法首先通过小波分解与重构滤除振动信号中的低通噪声信号与部分低通特征信息;然后,采用CEEMDAN对重组信号进行模态分解,将重组信号中剩余的特征信息进行突显形成组合信号;最后,采用WDCNN(First Layer Wide Convolution Kernel Deep Convolution Neural Network)提取组合信号中的数字特征,同时采用LSTM(Long Short⁃Term Memory)提取组合信号之间的相关性信息并进行分类。另外,采用向原始振动信号中添加不同信噪比噪声的方法进行对比实验。结果表明,所提方法在信噪比为-4 dB时仍然可以达到99.97%的正确率,并且目标函数值降到10-4级别。所提出的框架结构故障诊断方法可以对噪声情况下的框架结构做出精确的故障诊断,能够为框架结构故障诊断提供一种新方法。