基于MFCC-IMFCC混合倒谱的托辊轴承故障诊断

作     者：陶瀚宇 陈换过 彭程程 高祥冲 杨磊 TAO Hanyu;CHEN Huanguo;PENG Chengcheng;GAO Xiangchong;YANG Lei

作者机构：浙江理工大学浙江省机电产品可靠性技术研究重点实验室浙江杭州310018 杭州聆为信息技术有限公司技术部浙江杭州311215 

出 版 物：《机电工程》 (Journal of Mechanical & Electrical Engineering)

年 卷 期：2024年第41卷第7期

页      面：1215-1222页

学科分类：08[工学] 080203[工学-机械设计及理论] 0802[工学-机械工程] 080201[工学-机械制造及其自动化] 

基　　金：国家自然科学基金资助项目(51975535) 国家重点研发计划项目(2021YFB3301601) 

主　　题：托辊轴承 轴承故障声音信号 高频信息 梅尔倒谱系数 翻转梅尔倒谱系数 混合倒谱系数 长短时记忆网络 

摘      要：针对梅尔倒谱系数(MFCC)对托辊轴承高频特征提取能力不足的问题,提出了一种基于梅尔倒谱系数和翻转梅尔倒谱系数(MFCC-IMFCC)的混合倒谱以及长短时记忆(LSTM)网络的托辊轴承故障诊断方法。首先,分析了三种状态下的托辊声音信号,明确了托辊轴承故障信息主要分布在中高频区域;然后,为有效保留高频信息,提取了MFCC-IMFCC,以帧级串联的方式组成了混合倒谱特征;最后,将混合倒谱特征输入到双层LSTM模型中进行了训练,建立了托辊轴承故障诊断模型。研究结果表明:针对托辊正常、滚动体故障和偏心旋转故障三种状态,LSTM结合混合倒谱特征的平均识别准确率达到96.72%,相比于单一的MFCC和IMFCC特征,准确率分别提升3.94%和7.41%,凸显了混合倒谱特征在表征托辊轴承故障信息方面的显著优势。