基于BN-1DCNN的旋转机械故障诊断研究

• 作者: 冯浩楠 付胜 胥永刚
• 来源期刊: 振动与冲击
• 关键词: 深度学习 卷积神经网络(CNN) 旋转机械 故障诊断
• 年，卷（期）: 2021,（19）
• 页码范围: 302-308
• 页数: 7页
• 分类号: TH212|TH213.3
• 语种: 中文
• DOI: 10.13465/j.cnki.jvs.2021.19.038

摘要

为了对旋转机械的故障特征进行自适应提取,实现智能故障诊断,提出了一种基于批量归一化的一维卷积神经网络(convolutional neural networks,CNN)模型.由于卷积神经网络通常应用于二维图像或三维视频领域,故通过将卷积核改进为一维卷积核来实现对采集的一维振动数据的直接卷积,并且采用了批归一化层来防止过拟合,采用HZXT-008小型转子实验台采集的数据对该方法进行验证.试验结果表明该方法平均诊断准确率高达98.43％,并且与其他模型相比稳定性更高.该方法实现了大量样本下旋转机械不同故障类型的故障特征自适应提取与故障类型的准确识别.