基于融合特征的双通道CNN滚动轴承故障识别

摘要：

针对传统的滚动轴承故障识别方法效果较差,对专家经验依赖较高的问题,提出一种基于融合特征的双通道CNN滚动轴承故障识别方法.该方法首先将原始信号采用小波分解方法生成时频图,再将时频图和原始故障信号融合输入到Lenet-5网络中,进一步对故障特征进行准确提取,在输出层对数据进行融合,使用Softmax分类器对轴承故障进行分类.实验结果表明,该方法对不同种类的滚动轴承故障的识别均能做出准确的判断,识别准确率高.

关键词：故障诊断、深度学习、卷积神经网络、时频图

所属期刊栏目：39

分类号：TH133.33

资助基金：国家自然科学基金61674121

在线出版日期：2021-06-21（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：15-19