采用多通道样本和深度卷积神经网络的轴承故障诊断方法
提出了一种新的多通道样本构造方法,结合深度卷积神经网络来提高轴承故障诊断的效果.首先采用连续小波变换,分别提取了转子两端轴承振动信号的时频域特征,基于所得结果分别构造了针对两端轴承的单通道二维图形样本,并取上述两类单通道样本的均值构造了第3类单通道样本;将得到的3类单通道样本融合,得到用于故障诊断的三通道样本;建立不同结构的深度卷积神经网络,分别采用单通道样本和三通道样本对滚动轴承故障类型和故障严重程度进行诊断,并将所得结果进行对比分析.结果表明:在多种不同网络结构下,基于三通道样本的轴承故障诊断准确率均明显优于单通道样本,证明了提出的多通道样本构造方法在轴承故障诊断中有着更好的效果,可以为轴承故障诊断方法和样本构建提供参考.
轴承故障诊断、三通道样本、深度卷积神经网络、连续小波变换
54
TH17;TH133
国家自然科学基金资助项目;西安交通大学自然科学基金重点资助项目
2020-08-20(万方平台首次上网日期,不代表论文的发表时间)
共9页
58-66