10.13705/j.issn.1671-6833.2020.03.004
基于全矢-CNN的轴承故障诊断研究
针对传统智能故障诊断系统需要大量先验知识,以及模型复杂度高和单通道信号不完整造成信息遗漏的问题,将全矢谱技术与卷积神经网络(CNN)结合,提出一种新的滚动轴承的故障诊断模型.该方法将全矢谱技术与深度卷积神经网络结合,相比于单通道数据建立的模型而言,具有特征信息完整、模型适应性强等优点.首先利用全矢谱技术对采集的双通道信号进行信息融合,得到融合后的主振矢数据.然后结合主振矢数据与深度学习算法构建全矢深度卷积神经网络,模型能够自适应地提取故障特征,利用反向传播算法调节优化模型参数.实验结果表明:该方法能够提取更加完整的轴承故障信息,该模型具有更高的准确率和更好的稳定性.
故障诊断、全矢谱、深度学习、卷积神经网络、滚动轴承
41
TH212;TH213.3(起重机械与运输机械)
国家重点研发计划项目2016YFF0203100
2020-11-16(万方平台首次上网日期,不代表论文的发表时间)
共5页
92-96