基于信号特征提取和卷积神经网络的轴承故障诊断研究

• 作者: 谢星怡 张正江 闫正兵 李欣燦 陶莫凡 章纯 温州大学电气数字化设计技术国家地方联合工程研究中心
• 来源期刊: 计算机测量与控制
• 关键词: 故障诊断 卷积神经网络 特征提取
• 年，卷（期）: 2024,（10）
• 所属期刊栏目: 测试与故障诊断
• 页码范围: 21-27
• 页数: 7页
• 语种: 中文
• DOI: 10.16526/j.cnki.11-4762/tp.2023.10.004

摘要

轴承是机械设备主要零部件之一，也是机械设备主要故障零部件之一；轴承故障问题为机械设备的重点，机械设备的使用受到故障轴承的直接影响；针对传统的卷积神经网络算法轴承故障诊断效率低下问题，提出了一种基于信号特征提取和卷积神经网络的优化方法；首先对原始数据信号进行时域和频域的信号特征提取，获得有效的故障特征值；之后，使用卷积神经网络对提取的特征值进行故障诊断，完成故障分类；文章使用美国凯斯西储大学的滚动轴承振动加速度信号作为数据集，对提出的方法进行验证，得到的故障诊断平均准确率为74.37%,准确率的方差为0.000 1;传统的卷积神经网络算法故障诊断平均准确率为65.6%;准确率的方差为0.001 9;实验结果表明，相比传统的卷积神经网络，提出的方法对轴承故障诊断的准确率有显著的提高，并且该方法的稳定性更佳，计算时间更少，综合性能更佳。