科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对传统分析方法对于轴承在变速情况下的故障诊断较为困难的问题，提出一种基于格拉姆角差场(Gramian angular difference field, GADF)与引入迁移学习的ResNet34模型对变速轴承的故障诊断方法.首先利用GADF对一维时序振动信号进行编码，转换成二维图像，产生相应的故障图，再将这些故障图输入引用迁移学习的残差网络(ResNet)自动进行故障特征提取及分类.为了验证该方法的有效性，综合对比其他方法，本文方法在西储大学轴承数据集上表现更好.最后对加拿大渥太华大学的变速轴承数据集进行诊断，检验其在变速情况下的分类性能.结果表明，在变速情况下，所提方法可达到较高的诊断精度.
- 单位
