多特征融合CNN网络的旋转机械故障诊断研究

• 作者: 冷佳 刘镇 张笑非 汤浩宇
• 来源期刊: 软件导刊
• 关键词: 连续小波变换 多特征融合CNN网络 滚动轴承 故障诊断
• 年，卷（期）: 2021,（9）
• 所属期刊栏目: 人工智能
• 页码范围: 44-50
• 页数: 7页
• 分类号: TP301
• 语种: 中文
• DOI: 10.11907/rjdk.202381

摘要

为提高旋转机械故障诊断中故障分类的准确率,以及针对故障数据特征不充足而带来的泛化能力较差问题,提出一种多特征融合卷积神经网络(CNN)的旋转机械故障诊断方法.首先利用连续小波变换将一维原始信号转换成二维小波时频图,构建多特征融合CNN网络模型.其中,原始振动信号为1DCNN模型输入,小波时频图为2DCNN模型输入;然后根据上面两个维度的输入进行网络模型训练;最后将测试集中的数据输入到已经训练好的网络模型,对不同旋转机械故障进行分类.在凯斯西储大学的轴承数据集、机械故障预防技术(MFPT)的轴承数据集上进行实验验证,结果表明,该方法与其他同类方法相比具有更高的故障诊断准确率,达到了99.78％.