基于Kurtogram与DSCN的滚动轴承故障诊断方法

• 作者: 古莹奎 刘平 林忠海 邱光琦
• 来源期刊: 中国安全科学学报
• 关键词: 滚动轴承 Kurtogram 深可分卷积神经网络(DSCN) 故障诊断 混淆矩阵
• 年，卷（期）: 2021,（6）
• 所属期刊栏目: 安全工程技术|Safety engineering technology
• 页码范围: 99-105
• 页数: 7页
• 分类号: X924.3|TH165.3
• 语种: 中文
• DOI: 10.16265/j.cnki.issn1003-3033.2021.06.013

摘要

为揭示不同轴承故障类型的特征,提高故障诊断的精度与效率,提出一种基于Kurtogram与深可分卷积神经网络(DSCN)相结合的轴承故障诊断方法.在利用原始振动信号生成Kurtogram的基础上,通过DSCN学习和识别不同故障模式下Kurtogram的图形特征,自动提取优势特征并进行故障分类.结果表明:相对于其他故障诊断方法,提出的方法在测试集上的识别精确度较高,可达到97.28％;同时,DSCN在降低参数量及提高训练速度上具有明显优势.