基于冲击特征提取的旋转机械智能故障诊断

针对齿轮、轴承故障,提出了基于冲击特征提取胶囊网络的旋转机械智能故障诊断模型。在胶囊网络的构架基础上,将原始故障振动信号作为输入,通过构造首层小波核卷积层,针对性提取冲击故障特征,提高深度学习网络特征提取的可解释性。在小波核卷积层之后扩展一层卷积层,强化首层小波核卷积层提取的特征,将强化的特征经初级胶囊层、数字胶囊层输出分类结果,从而构造了“端到端”的小波卷积胶囊网络模型。通过对各层提取的特征可视化分析,证明了该模型对故障振动信号的冲击特征具有良好的提取能力。3个不同实验平台的数据集验证结果表明不同故障类型、不同故障程度的齿轮及轴承的识别精度最高可达到100%,并具有良好的泛化能力。