基于全矢-CNN的轴承故障诊断研究

• 作者: 付耀琨 孙浩 李伟 郝旺身 陈耀
• 来源期刊: 郑州大学学报（工学版）
• 学科: 工学
• 关键词: 故障诊断 全矢谱 深度学习 卷积神经网络 滚动轴承
• 年，卷（期）: 2020,（5）
• 所属期刊栏目: 机械工程
• 页码范围: 92-96
• 页数: 5页
• 分类号: TH212|TH213.3
• 语种: 中文
• DOI: 10.13705/j.issn.1671-6833.2020.03.004

摘要

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	付耀琨		3	0	0.0	0.0
2	郝旺身		1	0	0.0	0.0
3	陈耀		1	0	0.0	0.0
4	孙浩		1	0	0.0	0.0
5	李伟		1	0	0.0	0.0