串行集成CNN模型的两种机械故障诊断算法

作者：周静^*; 孙强; 黄蔚; 张庆; 石昌友

来源：陆军工程大学学报, 2023, 2(02): 31-38.

• 机械故障
• 卷积神经网络
• 基分类器
• 集成学习

表征机械故障的数据种类和数量多样，数据质量参差不齐，故障信息的价值密度也较低，对机械故障诊断提出了挑战。由于浅层神经网络模型自学能力较弱，无法达到精确诊断故障的要求，因此对故障特征提取和故障诊断模型进行了深入研究。利用时间序列排序转换和连续小波变换，分别构建了基于时间序列图像和时频图的两种2D-CNN故障特征数据集，结合卷积神经网络(convolutional neural network, CNN)和梯度提升决策树(gradient boosting decision tree, GBDT)算法的优点，提出了基于GBDT的CNN-Z和CNN-F两种故障诊断算法。通过实验，两种算法的故障诊断精度分别为94.33%和98.62%。与传统CNN算法相比较，实验结果展示了所提的两种故障诊断算法的精度更高，另外基于GBDT的CNN-F故障诊断算法的误差收敛时间为前者的三分之一，验证了所提算法的有效性和精确性。

• 单位
  中国人民解放军陆军工程大学