基于卷积神经网络的故障诊断模型振动信号处理方法比较

摘要：

针对利用卷积神经网络(convolutional neural networks,CNN)对滚动轴承进行故障诊断时可采用的振动信号处理方法较多的情况,设计了基于CNN的振动信号处理方法对比实验,采用不同的振动信号处理方法对滚动轴承在不同工况下的采样数据进行处理,再将动信号输入CNN故障诊断模型进行训练及测试,根据测试精度比较处理方法对故障诊断精度的影响.采用CNN中的AlexNet作为实验模型,选择模型中的最后3个全连接层,以达到快速训练的目的.对比不同信号处理方法对应的检测准确率可知,基于小波变换的滚动轴承故障诊断模型的检测准确率最高.

关键词：故障诊断、卷积神经网络、滚动轴承、振动信号处理

所属期刊栏目：15

分类号：TH133.3

资助基金：四川省科技厅重点研究项目2018GZ0365

在线出版日期：2020-09-01（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：729-734