基于深度学习的轴承故障辅助诊断

• 作者: 王治敏 王朝立 沈松
• 来源期刊: 软件导刊
• 关键词: 故障诊断 深度学习 短时傅里叶变换 卷积神经网络
• 年，卷（期）: 2021,（3）
• 所属期刊栏目: 人工智能
• 页码范围: 86-89
• 页数: 4页
• 分类号: TP311
• 语种: 中文
• DOI: 10.11907/rjdk.201666

摘要

轴承是机械设备中最重要的零件之一,轴承故障的发生将影响机械工作效率,并威胁人员生命安全,因此对轴承故障进行自动化诊断具有重要意义.振动信号是典型的非线性和非平稳信号,并且包含环境噪声等干扰信号,使得故障特征难以被有效提取出来,且适应性较差.将信号处理技术与深度学习技术相结合,采用短时傅里叶变换方式,可将振动信号的一维信号转换为二维图片,并通过一种新的卷积神经网络模型进行训练,从而实现对轴承故障的自动化诊断.实验结果表明,该方法能够拟合非线性和非平稳信号,从而有效地进行轴承故障诊断,相比传统阈值法,诊断准确率提高至96.36％.