基于等价LBP纹理图谱的滚动轴承故障诊断方法

针对在直升机自动倾斜器滚动轴承故障诊断中,卷积神经网络(Convolutional Neural Networks,CNN)直接提取故障特征时,噪声干扰易对网络学习产生误导且存在忽略局部结构特征的问题,影响识别率的进一步提高,提出了基于等价局部二值模式(Local Binary pattern,LBP)纹理特征图谱与CNN相结合的滚动轴承故障诊断方法。首先,采用连续小波变换获取滚动轴承振动信号的二维时频图像,并对时频图像进行预处理;然后,采用等价LBP算法提取灰度时频图像的纹理特征,构成纹理图谱;最后,搭建卷积神经网络模型对纹理图谱数据集进行训练,并达到最优,从而实现滚动轴承故障类型的诊断。利用课题组采集的数据集和美国凯斯西储大学数据集开展诊断实验,识别精度分别达99.23%和100%,与传统的方法相比最大提升1.7%,结果表明所提方法可有效实现故障诊断的准确识别。