基于全矢-CNN的轴承故障诊断研究

作者：郝旺身; 陈耀; 孙浩; 付耀琨; 李伟

来源：郑州大学学报(工学版), 2020, 41(05): 92-96.

DOI：10.13705/j.issn.1671-6833.2020.03.004

• 故障诊断
• 全矢谱
• 深度学习
• 卷积神经网络
• 滚动轴承

针对传统智能故障诊断系统需要大量先验知识,以及模型复杂度高和单通道信号不完整造成信息遗漏的问题,将全矢谱技术与卷积神经网络(CNN)结合,提出一种新的滚动轴承的故障诊断模型。该方法将全矢谱技术与深度卷积神经网络结合,相比于单通道数据建立的模型而言,具有特征信息完整、模型适应性强等优点。首先利用全矢谱技术对采集的双通道信号进行信息融合,得到融合后的主振矢数据。然后结合主振矢数据与深度学习算法构建全矢深度卷积神经网络,模型能够自适应地提取故障特征,利用反向传播算法调节优化模型参数。实验结果表明:该方法能够提取更加完整的轴承故障信息,该模型具有更高的准确率和更好的稳定性。

• 单位
  郑州大学