基于1-DCNN的滚动轴承退化预测研究

传统的滚动轴承退化特征提取方法高度依赖于预先研究和专业知识,对于学习退化特征与大量测量数据之间的复杂关系的能力有限,很难构建一个单一的指标预测轴承的退化状态。针对这一问题,提出了基于一维卷积神经网络(1-DCNN)的轴承退化预测模型,以原始振动信号作为输入,构建健康指标。以PHM 2012轴承全寿命数据对原始振动信号、频谱信号、3种模态分解预处理后的信号等5种处理方法进行测试。实验结果表明,相对于其他几种处理方法,以原始振动信号直接作为所提模型的输入,提取出的健康指标能更好地反映轴承的退化状态。