基于改进一维残差网络的轴承故障诊断

摘要：

针对现有一维卷积网络和残差网络在故障诊断方面的不足,本文将一维卷积网络与残差网络相结合,提出了一种基于改进一维残差网络的轴承故障诊断方法.该方法通过添加一条残差连接通道的方式,增加残差网络宽度,以学习更丰富的特征,提高故障诊断准确率.利用6种轴承状态对所提方法的分类效果进行了测试.实验结果表明,所提方法能直接利用振动信号,在较小训练与测试样本比的情况下实现故障诊断,当训练样本为90,测试样本为810(训练与测试样本比为1:9)时,驱动端故障诊断的正确率为99.6％;当训练样本为270,测试样本为630(训练与测试样本比为3:7)时,风机端故障的正确率为97.3％.

关键词：一维卷积神经网络、加宽残差网络、轴承、故障诊断

所属期刊栏目：28

分类号：TP183(自动化基础理论)

资助基金：河北省自然科学基金F2016502104

在线出版日期：2021-09-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：45-50