基于卷积神经网络的轴承故障诊断方法

作者：王鑫; 胡天亮; 习爽^*

来源：林业机械与木工设备, 2021, 49(10): 50-59.

DOI：10.13279/j.cnki.fmwe.2021.0129

• 轴承
• 故障诊断
• 卷积神经网络
• 算法优化

轴承属于机电装备中不可缺少的部件,一旦出现故障将会导致设备停机甚至报废。目前常用的基于卷积神经网络的故障诊断方法存在数据量大、计算速度慢、准确率低等问题,为了满足实际生产的要求,在计算能力和数据量一定的情况下,应尽可能的提高准确率。在现有轴承故障诊断算法中挑选相对完善的WDCNN模型进行改进,即增加一层神经网络且引入丢弃层,建立了一个准确率和诊断速度显著提升的轴承故障诊断模型。并通过一系列对比实验,确定了该模型迭代次数、丢弃层位置及丢弃率、输入数据量大小以及网络层数的最佳参数。最终实验用凯斯西储大学公开的轴承数据集,诊断准确率高达94.96%,说明本模型能够应用于轴承故障诊断领域。

• 单位
  电子工程学院; 南京林业大学; 机电工程学院; 山东大学