声发射与混合维深度融合的滚动轴承智能诊断

摘要：

针对滚动轴承早期及复合故障难以准确诊断的问题,提出一种基于声发射与混合维深度特征融合的滚动轴承早期故障智能诊断模型,该模型可自适应捕获滚动轴承早期故障特征并自行诊断.首先,将滚动轴承早期原始声发射信号经连续小波变换转化为二维时频图.接着,分别将上述一维、二维数据输入以卷积神经网络(CNN)构建的1 D-CNN与2D-CNN智能诊断模型框架,并提出采用基于特征金字塔网络的深度融合算法融合模型的低层与高层特征,同时以全局平均池化层代替全连接层抑制模型过拟合现象.试验结果表明,提出的方法具有更高的准确率、稳定性与鲁棒性.

关键词：滚动轴承、声发射、深度学习、混合维特征融合、早期故障诊断

所属期刊栏目：47

分类号：TP183;TH133.33(自动化基础理论)

资助基金：国家自然科学基金;国家自然科学基金

在线出版日期：2022-11-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：40-48