基于改进卷积神经网络轴承故障诊断

• 作者: 庞俊 刘鑫 段敏霞 任海莉 侯鑫烨
• 来源期刊: 组合机床与自动化加工技术
• 关键词: 轴承 非线性映射函数 卷积神经网络 振动图像
• 年，卷（期）: 2021,（3）
• 所属期刊栏目: 设计与研究
• 页码范围: 66-69
• 页数: 4页
• 分类号: TH17|TG506
• 语种: 中文
• DOI: 10.13462/j.cnki.mmtamt.2021.03.015

摘要

卷积神经网络(Convolution Neural Network,CNN)是一种常用的智能故障诊断方法.针对卷积神经网络结构中参数较多,训练时间长,并且sigmoid和ReLU激活函数运用带来梯度消失和均值偏移.基于以上问题提出了一种改进非线性映射函数的卷积神经网络模型.把振动信号转换成二维振动图像表示其故障纹理,在卷积层中加入了两层残差神经元.再运用该方法对凯斯西储大学和帕德尔伯恩大学轴承数据集进行分析,分别达到预测精度99.18％和100％.