基于CNN和XGBoost的滚动轴承故障诊断方法

作者：马怀祥; 冯旭威; 李东升; 齐澍椿

来源：中国工程机械学报, 2021, 19(03): 254-259.

DOI：10.15999/j.cnki.311926.2021.03.013

• 卷积神经网络
• 极端梯度提升
• 故障诊断
• 滚动轴承

滚动轴承是旋转机械最主要的零部件之一,针对滚动轴承故障类型的有效识别问题,提出了一种基于卷积神经网络(CNN)和极端梯度提升(XGBoost)的滚动轴承故障诊断方法。对滚动轴承数据进行预处理,利用训练集对CNN进行训练和调参,运用训练好的CNN模型进行特征的提取,并使用XGBoost模型进行故障类型的分类。采用德国帕德博恩大学滚动轴承进行模型的测试,结果表明:该模型交叉验证得分接近满分,并且在测试集上准确率达到了99%,优于仅仅使用CNN、支持向量机(SVM)、XGBoost以及三层神经网络。

• 单位
  石家庄铁道大学