基于改进深度卷积神经网络的轴承故障诊断

• 作者: 张彩华 张英杰 李明 陆碧良 李蒲德 湖南大学信息科学与工程学院
• 来源期刊: 计算技术与自动化
• 学科: 工学
• 关键词: 风电机组 轴承 故障诊断 深度卷积神经网络
• 年，卷（期）: 2024,（3）
• 所属期刊栏目: 自动控制理论及应用
• 页码范围: 19-26
• 页数: 8页
• 语种: 中文
• DOI: 10.16339/j.cnki.jsjsyzdh.202303004

摘要

轴承为风电机组的重要且故障频发部件，传统基于轴承振动数据的图像转换的卷积神经网络(CNN)的故障诊断技术存在一定局限性。提出了一种基于改进深度卷积神经网络(IDCNN)的直接时间序列特征提取方法，依据采样频率将原始振动数据划分为单个样本，构建诊断模型训练数据集。设计了一种新型的深度卷积神经网络(IDCNN),自动提取复杂样本数据的故障特征，提高DCNN的鲁棒性和泛化性，并将IDCNN提取的高维故障特征输入到分类器中，从而实现轴承故障的智能诊断。对比实验结果表明本方法有效提升了故障诊断精度。