10.3969/j.issn.1674-8425(z).2022.08.017
多通道特征融合卷积神经网络的齿轮箱故障诊断
针对一维数据的卷积神经网络故障诊断方法无法十分准确地识别齿轮箱故障类型的问题,提出一种二维振动信号的多通道特征融合卷积神经网络(MC-FFCNN)算法.采用格拉米角场将传感器获取的一维振动信号转换为二维矩阵,将矩阵中的数值作为像素值转换为灰度图从多个通道输入卷积神经网络,经过多个卷积层、池化层及增加的融合层,导出各通道的融合数据到全连接层.在试验中,通过对多个故障数据进行训练与测试,实现齿轮箱单一故障的诊断.将诊断结果与单通道的卷积神经网络诊断结果进行比较分析,结果显示:所提方法的故障诊断准确率更高.
多通道、卷积神经网络、格拉米角场、故障诊断
36
TP183;TH165.3(自动化基础理论)
国家自然科学基金;中国航空发动机集团有限公司四川燃气涡轮研究院稳定支持项目
2022-10-20(万方平台首次上网日期,不代表论文的发表时间)
共6页
146-151