基于1D-RSCNN的嵌入式轴承故障实时检测

摘要：

针对传统故障诊断模型参数多,训练、检测时间长,抗噪性差,不适用于在线实时诊断的问题,提出了基于残差连接和一维可分离卷积(1D-RSCNN)的滚动轴承故障诊断方法,构建了由Jetson Nano和信号采集电路组成的嵌入式系统.利用一维可分离卷积和全局平均池化对模型尺寸进行压缩,改善传统卷积的运算效率;通过宽卷积核,残差网络中引入Dropout提高对噪声的容忍度.试验结果表明,该方法诊断准确率高达99.92％,与其他模型相比,诊断精度高,实时性好,抗干扰能力强,适用于电机轴承故障的实时检测.

关键词：电机故障;嵌入式;一维可分离卷积;残差连接;Jetson Nano

所属期刊栏目：52

分类号：TP277(自动化技术及设备)

资助基金：黑龙江自然科学基金项目LH2021F008

在线出版日期：2022-03-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：310-317