基于深度学习和经验模态分解的 双列圆锥滚动轴承故障诊断

双列圆锥滚动轴承在列车走行部应用广泛，由于该类轴承结构比较复杂，传统的故障诊断方法难以识别该类轴承的早期微弱故障.为此，提出基于深度学习的双列圆锥滚动轴承早期微弱故障诊断方法.首先，对轴承的振动信号进行经验模态分解，提取信号的瞬时能量构造特征向量；最后，利用深度学习方法对特征向量进行无监督学习，生成故障诊断分类器，完成故障的分类识别.实验中对某型号双列圆锥滚动轴承的正常状态、内圈故障和外圈故障进行信号分析与故障识别.结果表明，所提方法能有效识别双列圆锥滚动轴承的早期微弱故障，分类准确率达到98%