基于IPCA和DNN算法的轴承故障诊断方法研究  

作　　者：郭映映 

机构地区：[1]马鞍山学院电气工程学院,安徽马鞍山243100

出　　处：《中国新技术新产品》2025年第6期6-8,共3页New Technology & New Products of China

摘　　要：为满足现代钢厂引风机轴承故障诊断的需求,本文提出结合了基于改进的增量主成分分析(Incremental Principal Component Analysis,IPCA)和深度神经网络(Deep Neural Network,DNN)的复合振动信号处理算法模型。根据实际引风机轴承振动信号数据,利用Pycharm的Python实验平台对该模型进行多分类回归试验。试验结果表明,使用本文模型提高了诊断精度,降低了计算复杂度。此外,本文还分析了模型在不同工况下的适用性和局限性,并对未来的研究方向提出建议。

关 键 词：轴承故障 深度神经网络 振动信号分析 机器学习 特征模态分解 

分 类 号：TH17[机械工程—机械制造及自动化]