10.3969/j.issn.1000-7059.2022.05.009
基于深度残差神经网络的轧机滚动轴承故障诊断方法
近年来,智能故障诊断方法具有较高的机械装备故障诊断准确率.滚动轴承作为轧制生产线的核心部件之一,但目前文献中对轧机轴承的智能故障诊断研究较少.因此,本文提出基于深度残差网络深度学习模型的轧机滚动轴承智能故障诊断方法,实现"端到端"的自动化故障诊断,通过残差层信息连接提高模型训练稳定性,提升故障诊断准确率,并减少对专家知识的依赖.对所提出的方法在两个真实滚动轴承状态监测数据集进行验证,试验结果表明,该方法的准确率、查全率和查准率均为99.9%,相较于传统方法可显著提升轧机轴承诊断效果,并适合实际工程应用.
故障诊断、深度学习、残差网络、滚动轴承
46
TH113.1;TP391.41;TP277
国家自然科学基金;辽宁省兴辽英才计划项目
2023-01-16(万方平台首次上网日期,不代表论文的发表时间)
共11页
85-95