基于1D-LeNet-5模型的滚动轴承故障诊断方法

作者：郭俊锋^*; 孙磊; 王淼生; 续德锋

来源：兰州理工大学学报, 2023, 49(05): 34-41.

• 风电机组
• 滚动轴承
• 故障诊断
• 卷积神经网络
• 短时傅里叶变换
• LeNet-5

风力发电过程中，轴承能否正常运行关系到风电机组能否正常工作.针对现有基于深度学习的轴承故障诊断模型结构复杂、参数众多和训练困难的问题，提出了基于LeNet-5模型改进的一维卷积神经网络滚动轴承故障诊断方法.首先，为了更大程度提取故障信息，引入短时傅里叶变换对原始振动信号进行预处理.其次，设计一维网络模型，其感受野更大，计算速度更快；同时，引入Leaky-ReLU激活函数，其对输入信号的细节处理能力更强；并且增加批归一化层和Dropout层，提高模型泛化能力.最后，利用训练后的模型进行故障诊断实验.结果表明，该方法在10类轴承故障分类中诊断准确率能够达到99.98%,针对风电机组轴承故障诊断具有较好的工程应用前景.

• 单位
  兰州理工大学; 机电工程学院