基于改进CNN的起重机械滚动轴承故障诊断

• 作者: 贾子威 朱历平 杨明超
• 来源期刊: 内燃机与配件
• 关键词: 卷积神经网络 短时傅里叶变换 特征提取 故障诊断
• 年，卷（期）: 2021,（5）
• 所属期刊栏目: 质量与检修
• 页码范围: 131-133
• 页数: 3页
• 分类号: TP181
• 语种: 中文
• DOI: 10.3969/j.issn.1674-957X.2021.05.061

摘要

针对起重机械中的滚动轴承在高转速、重载荷和强噪声背景下,早期故障特征难以提取及有效识别的问题,提出一种改进卷积神经网络(CNN)的故障诊断方法.该方法首先应用短时傅里叶变换(STFT)将传感器采集到的一维振动信号转换为二维时频图,并将其作为改进卷积神经网络的输入,然后利用卷积神经网络强大的特征提取能力自适应地提取故障特征.最后,通过CNN模型最后一层的Softmax层对提取到的特征进行分类从而实现故障诊断的目的.