基于一维WConv-BiLSTM的轴承故障诊断算法.docx

现代电气设备多趋向于复杂化与系统化。滚动轴承是电机等旋转电气设备的核心部件,具有易损坏的缺点。滚动轴承发生故障的影响范围较大,会带来巨大损失。因此,轴承的故障诊断对于电气设备的安全运行起着至关重要的作用。在实际工业应用中,电机设备常在变工况的状态下运行,现场传感器所采集多是含噪声干扰的非平稳数据。在噪声干扰的状况下,稳定高效地进行电机轴承故障诊断是目前研究的重点问题[1,2]。 目前,针对含有噪声干扰的轴承故障诊断问题主要集中于信号特征提取与机器学习相结合方法的研究。研究人员通过小波变换[3]、经验模态分解[4]、变分模态分解[5]等信号特征提取方法反映轴承状态。且对工况与噪声干扰不敏感的特征