基于格拉姆角场和卷积神经网络的滚动轴承微弱故障位置辨识研究

摘要：

为实现卷积神经网络(CNN)对滚动轴承微弱故障位置的辨识,首先在保留整体信息的情况下,使用分段聚合近似(PAA)对轴承信号降维压缩;其次引入了格拉姆角场(GAF)将降维压缩后的轴承一维时间序列转换成了二维图像;然后引入批量归一化层、小批量法(minibatch)等方法设计卷积神经网络;最后将训练样本图像输入卷积神经网络进行训练和验证.结果表明,格拉姆和/差角场图均可有效识别滚动轴承不同零件的故障,格拉姆差角场在准确度上较格拉姆和角场高,更适合用于微弱故障的识别.

关键词：卷积神经网络、分段聚合近似、格拉姆角场、滚动轴承、微弱故障位置辨识

所属期刊栏目：52

分类号：TP206+.3(自动化技术及设备)

资助基金：陕西省教育厅科学研究计划项目;陕西工业职业技术学院科研基金资助项目

在线出版日期：2023-02-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：121-124