基于深度学习的电机轴承故障诊断研究

• 作者: 杜洋 袁涛 许爱华
• 来源期刊: 组合机床与自动化加工技术
• 学科: 工学
• 关键词: 故障诊断 深度学习 卷积神经网络
• 年，卷（期）: 2020,（3）
• 所属期刊栏目: 设计与研究
• 页码范围: 45-48,54
• 页数: 5页
• 分类号: TH16|TG506
• 字数: 4371字
• 语种: 中文
• DOI: 10.13462/j.cnki.mmtamt.2020.03.011

摘要

针对目前已有的电机轴承故障诊断算法对于人工干预和专家经验的依赖,以及故障诊断工作的复杂度逐渐的提高.文章提出了基于深度学习中卷积神经网络的故障诊断算法,使用原始振动数据作为网络模型的输入对其进行训练以发挥其强大的自学习能力.根据振动数据的特点和实验对比选择模型的结构和参数,进而通过深层次网络结构的卷积操作以实现对原始振动数据的特征提取,最终在输出端利用Softmax分类器输出分类结果.通过实验验证表明,该方法对于轴承故障分类准确率能够达到99.8％,对比其他方法具有很好的分类效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杜洋	东北石油大学电气信息工程学院	5	2	1.0	1.0
2	许爱华	东北石油大学电气信息工程学院	4	36	2.0	4.0
3	袁涛		5	6	1.0	2.0