基于多尺度1DCNN的滚动轴承故障诊断

摘要：

针对滚动轴承振动信号典型非平稳性、非线性的特点,提出一种基于小波变换(WT)和一维卷积神经网络(1DCNN)的轴承故障诊断多尺度卷积神经网络方法.通过小波变换对信号进行多尺度分解,然后对每个尺度成分进行重构,将重构后的信号进行傅里叶变换得到频谱表示,并将各尺度幅值数据构造成一维特征向量作为一维卷积神经网络的输入.最后利用一维卷积神经网络对输入数据进行特征学习,得到轴承故障诊断模型.利用滚动轴承的10个状态数据集验证其性能.结果表明:该方法可以避免人工提取特征,获得99.94％的诊断准确率.

关键词：滚动轴承、故障诊断、小波变换、深度学习、一维卷积神经网络

所属期刊栏目：50

分类号：TD421.6(矿山机械)

资助基金：国家自然科学基金;河南省高校重点科研项目;河南省教育厅青年骨干教师项目

在线出版日期：2023-01-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：173-178