来源：期刊VIP网 时间：
作者：康佳垚1;张文亮1;赵雅强2;刘帅2;李京1
单位：1.国家能源集团新能源技术研究院有限公司;2.华北电力大学控制与计算机工程学院
摘要：针对实际工程中滚动轴承振动信号被噪声所淹没而导致的故障诊断率低的问题，提出一种基于逐次变分模态分解和融合网络的滚动轴承故障诊断方法。首先，利用逐次变分模态分解对滚动轴承振动信号进行分解，得到若干IMF分量，通过相关性分析筛选最优IMF分量对振动信号重构；然后，将卷积神经网络、门控循环单元进行融合，建立CNN-GRU滚动轴承故障诊断模型。对公开数据集进行验证，实验表明，文章提出的故障诊断方法可以有效降低噪声干扰，实现信噪分离；相比于其他模型，文章提出的故障诊断方法优势明显，可以更加高效识别滚动轴承故障。
关键词：滚动轴承;故障诊断;逐次变分模态分解;神经网络
基金资助：国家重点研发计划（2023YFB2406300）
