10.16385/j.cnki.issn.1004-4523.2019.06.017
GLT-CNN方法及其在航空发动机中介轴承故障诊断中的应用
航空发动机中介轴承故障振动信号是一种非平稳非线性信号,其中常混有干扰信号及噪声成分.以往方法大多采用人工特征提取来进行故障识别,特征提取往往依靠专家经验,不仅增加识别复杂度,同时选取的特征也不能很好地表征状态信息.因此提出一种基于卷积神经网络(Convolutional Neural Networks,CNN)的中介轴承故障诊断方法,首先将原始故障振动信号进行灰度变换(Gray-level Transformation,GLT),然后输入到结合滑动平均模型的卷积神经网络中,并选用相应的神经网络优化算法实现故障诊断与分类.最后,通过航空发动机中介轴承振动数据,验证所提方法的有效性.
故障诊断、轴承、卷积神经网络、灰度变换、优化算法
32
TH165+.3;TH133.3
国家自然科学基金资助项目51875075,51775257
2020-03-28(万方平台首次上网日期,不代表论文的发表时间)
共7页
1077-1083