基于多尺度卷积策略CNN的滚动轴承故障诊断

• 作者: 卢建华 张明德 马婧华
• 来源期刊: 重庆理工大学学报（自然科学版）
• 学科: 工学
• 关键词: 故障诊断 振动信号 一维卷积神经网络 多尺度卷积策略
• 年，卷（期）: 2020,（6）
• 所属期刊栏目: 机械·材料
• 页码范围: 102-110
• 页数: 9页
• 分类号: TH165+.3
• 字数: 5023字
• 语种: 中文
• DOI: 10.3969/j.issn.1674-8425(z).2020.06.015

摘要

针对一维卷积神经网络单一卷积拓扑结构在提取不同工况下的信号特征时缺乏自适应性,难以处理复杂工况下的机械故障诊断问题,提出了一种基于多尺度卷积策略的卷积神经网络(MACNN)故障诊断算法.首先将表征滚动轴承故障的一维振动信号输入模型,然后利用卷积层中的多尺度卷积结构对原始信号进行卷积运算,实现不同角度的敏感特征提取,再通过池化层进行特征信息的提炼和简化,最后利用全连接层实现检测结果输出.在公共数据集——凯斯西储大学的轴承故障数据集上进行试验,结果表明:MACNN算法和其他算法相比拥有更快的收敛速度和更高的识别准确率,为故障诊断提供了一种新的方法.同时,其在多工况下表现出的优异泛化性能说明具备工业应用的可行性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张明德	重庆理工大学机械工程学院	35	150	8.0	10.0
2	马婧华	重庆理工大学机械工程学院	6	7	2.0	2.0
3	卢建华	重庆理工大学机械工程学院	1	0	0.0	0.0