基于AlexNet和ELM的轴承故障诊断

• 作者: 杜松宸 杨成宇 张岩
• 来源期刊: 科学技术创新
• 学科: 工学
• 关键词: 轴承 故障诊断 AlexNet 极限学习机 连续小波变换
• 年，卷（期）: 2021,（29）
• 所属期刊栏目: 科技创新
• 页码范围: 28-30
• 页数: 3页
• 分类号: TH133.33
• 语种: 中文
• DOI: 10.3969/j.issn.1673-1328.2021.29.013

摘要

针对现有基于深度学习的轴承故障诊断模型训练速度较慢的问题,本文提出了一种基于AlexNet和极限学习机(ELM)的轴承故障诊断方法.首先,使用连续小波变换(CWT)将一维原始振动信号转换为二维时频图像.其次,使用预训练网络AlexNet对得到的时频图像进行特征提取.最终,将提取到的深层特征用于训练ELM,从而完成故障诊断.使用凯斯西储大学(CWRU)轴承数据中心数据集对该方法加以验证,结果表明,该方法在保证诊断准确率的前提下,获得了较快的训练速度,证明了该方法在机械部件的故障诊断中的有效性.