卷积神经网络与混沌理论在滚动轴承故障诊断中的应用

作者：金江涛; 许子非; 李春^*; 缪维跑; 张万福; 李根

来源：机械强度, 2022, 44(02): 287-293.

DOI：10.16579/j.issn.1001.9669.2022.02.005

• 卷积神经网络
• 混沌
• 轴承
• 故障诊断

为解决传统方法在判断轴承所处故障类型中因信号非线性强导致误判与错判，基于混沌理论，采用相空间重构法(Phase Space Reconstruction, PSR)还原系统动力学特性，通过卷积神经网络(Convolution Neural Network, CNN)学习并提取混沌序列中有效非线性信息，提出PSR-CNN智能故障诊断方法，并可视化吸引子轨迹，分析各故障信号非线性特性。以滚动轴承实验数据为研究对象，采用PSR-CNN方法进行轴承早期故障分析与诊断。结果表明：早期微弱故障信号因噪声干扰其吸引子轨迹不具备故障代表性；经CNN学习并提取有效非线性信息后，吸引子轨迹具有显著混沌特征，并呈故障可分状；采用PSR-CNN的故障诊断方法相比基于时域、频域所建立的CNN诊断模型具有更高的准确度与更好的泛化性能，且在收敛速度与稳定性方面均有较大优势。

• 单位
  上海理工大学