基于CDAE与CNN的滚动轴承故障诊断方法

• 作者: 吴松林 张飞
• 来源期刊: 自动化应用
• 学科: 工学
• 关键词: 卷积降噪自编码器 卷积神经网络 滚动轴承 故障诊断
• 年，卷（期）: 2020,（11）
• 所属期刊栏目: 自动化控制理论与应用
• 页码范围: 4-7
• 页数: 4页
• 分类号: TH47
• 语种: 中文
• DOI: 10.19769/j.zdhy.2020.11.002

摘要

针对滚动轴承的故障诊断往往使用振动信号进行分析,而振动信号通常为非线性、非平稳信号,并且在数据采集的过程中,掺杂有大量的噪声信号,为了解决这一问题,提出了一种卷积降噪自编码器(CDAE)与卷积神经网络(CNN)相结合的滚动轴承故障诊断方法.首先,对滚动轴承的原始时域信号添加一定倍数的高斯白噪声,并将其输入卷积自编码网络中,以原信号作为输出,对网络进行训练;其次,提取卷积自编码器的隐含层特征,作为卷积神经网络的输入,进行故障识别.利用西安交通大学的滚动轴承数据进行实验,结果表明:与只使用卷积神经网络相比,基于卷积降噪自编码器与卷积神经网络的故障诊断方法,具有更高的正确率,验证了该方法的优越性.