基于MVMD与CNN-BiLSTM的滚动轴承故障诊断方法的研究

针对滚动轴承早期振动信号难以提取且多元故障信号不易同步处理的问题,本文提出一种基于多变量变分模态分解(MVMD)与卷积神经网络-双向长短期记忆网络(CNN-BiLSTM)的故障诊断方法。首先,通过MVMD将多元轴承振动信号分解成一组模态成分;然后,通过卷积神经网络-双向长短期记忆网络混合模型(CNN-BiLSTM)对分解后振动信号中的特征序列信息进行充分挖掘;最后,通过全连接层和Softmax层进行特征分类。实验结果表明,MVMDCNN-BiLSTM故障诊断模型平均诊断准确率为99%,较传统方法具有更高的准确性和稳健性,有较大的应用潜力。