来源：期刊VIP网 时间：
作者：高淑芝;石烁;张义民;
单位：沈阳化工大学装备可靠性研究所;沈阳化工大学信息工程学院;
摘要：为了解决强背景噪声下故障特征提取困难及传统方法依赖经验和知识的问题，提出了一种基于自适应最大相关峭度解卷积（MCKD）与卷积神经网络（CNN）的滚动轴承故障诊断方法。首先，利用粒子群算法（PSO）优化MCKD的参数。其次，对滚动轴承故障信号进行信号滤波，得到降噪后的信号。最后，将降噪后的信号输入到构建的CNN模型中进行训练和测试，得到轴承故障诊断的分类结果。通过轴承寿命试验台的故障数据集的测试和评价，将提出的方法与未经过降噪的CNN方法进行比较，验证了该方法具有较高的诊断精度。
关键词：最大相关峭度解卷积;;卷积神经网络;;滚动轴承;;故障诊断
基金资助：NSFC-国家自然科学重点基金—辽宁联合基金（U1708254）;; 辽宁省特聘教授（[2018]3533）项目
