基于特征增強(qiáng)與LSTM的滾動(dòng)軸承故障診斷方法

摘要： 滾動(dòng)軸承的工作環(huán)境復(fù)雜多變，傳統(tǒng)的信號處理技術(shù)難以在噪聲和其他部件的干擾下檢測到微弱的早期故障特征，且傳統(tǒng)的故障診斷方法對人工提取特征較為依賴。針對以上問題，提出基于自適應(yīng)局部迭代濾波(ALIF)和改進(jìn)差分進(jìn)化粒子群優(yōu)化的多點(diǎn)優(yōu)化最小熵解卷積(IDEPSO-MOMEDA)算法，對滾動(dòng)軸承的故障沖擊成分進(jìn)行增強(qiáng)。利用ALIF分解信號，根據(jù)峭度-相關(guān)系數(shù)準(zhǔn)則對分解的信號進(jìn)行重構(gòu)；利... （共14頁）