复数卷积神经网络滚动轴承故障诊断研究

• 作者: 周林春 陈春俊
• 来源期刊: 中国测试
• 学科: 工学
• 关键词: 滚动轴承 故障诊断 连续小波变换 复数卷积神经网络
• 年，卷（期）: 2020,（11）
• 所属期刊栏目: 测控技术
• 页码范围: 109-115
• 页数: 7页
• 分类号: TH165.3
• 语种: 中文
• DOI: 10.11857/j.issn.1674-5124.2020020057

摘要

针对基于实数卷积神经网络的滚动轴承故障诊断方法对振动信号幅相信息利用不充分的问题,提出一种基于复数卷积神经网络的故障诊断模型.该模型以一维振动信号经连续小波变换得到的时频复数矩阵为输入,通过复数卷积神经网络独有的复数卷积方式提取和融合信号的幅值和相位特征,并通过全连接层和Softmax实现故障诊断结果输出.结果表明:采用复数卷积神经网络模型的故障诊断方法具有更强的抗噪声鲁棒性,在添加信号噪声的不同转速工况之间能保持更好的泛化性能,可提高滚动轴承故障诊断的准确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈春俊		112	556	12.0	19.0
2	周林春		2	0	0.0	0.0