10.13465/j.cnki.jvs.2020.04.022
基于多传感器信号和卷积神经网络的滚动轴承故障诊断
针对滚动轴承故障信号非平稳非线性且易受背景噪声干扰的特点,结合深度学习的优势,提出了一种基于卷积神经网络(CNN)的滚动轴承故障诊断法.将不同故障下多个传感器测得的l维(lD)振动信号转化为2维(2D)灰度图像作为网络输入,并将其分为训练集和测试集;将训练集输入卷积神经网络进行训练,自动提取其中的特征;测试集被用于验证学习完毕的网络的有效性,实现滚动轴承故障识别.该方法不依赖于人为经验和信号处理技术进行预先的信号特征提取,实验数据分析表明,相比于经典的支持向量机和概率神经网络方法,提出的方法识别准确率更高且更稳定.
卷积神经网络(CNN)、多传感器、滚动轴承、故障诊断
39
TH133.3
湖北省自然科学基金2017CFB672
2020-04-10(万方平台首次上网日期,不代表论文的发表时间)
共7页
172-178