论文部分内容阅读
我国目前处于智能制造转型升级阶段,机械设备正向着大型化、复杂化、智能化方向发展,其结构和组成也变得更复杂,一旦发生故障,若不及时检测与排除,很容易造成严重后果。滚动轴承是机械设备中应用最广泛的零部件,也是非常容易出现故障的部件,因此为了消除安全隐患、保障机械设备安全正常的运行以及提高企业的经济效益,必须对机械设备的轴承进行实时状态监测和故障诊断。本文针对机械故障的诊断问题,采用变分模态分解与样本熵结合的方法实现对机械振动信号特征的提取,并引入深度学习的方法来完成机械故障的模式识别。首先,对滚动轴承的