GLT-CNN方法及其在航空发动机中介轴承故障诊断中的应用

作者：王奉涛; 薛宇航; 王洪涛; 马琳杰; 李宏坤; 韩清凯; 于晓光

来源：振动工程学报, 2019, 32(06): 1077-1083.

DOI：10.16385/j.cnki.issn.1004-4523.2019.06.017

• 故障诊断
• 轴承
• 卷积神经网络
• 灰度变换
• 优化算法

航空发动机中介轴承故障振动信号是一种非平稳非线性信号,其中常混有干扰信号及噪声成分。以往方法大多采用人工特征提取来进行故障识别,特征提取往往依靠专家经验,不仅增加识别复杂度,同时选取的特征也不能很好地表征状态信息。因此提出一种基于卷积神经网络(Convolutional Neural Networks,CNN)的中介轴承故障诊断方法,首先将原始故障振动信号进行灰度变换(Gray-level Transformation,GLT),然后输入到结合滑动平均模型的卷积神经网络中,并选用相应的神经网络优化算法实现故障诊断与分类。最后,通过航空发动机中介轴承振动数据,验证所提方法的有效性。

• 单位
  大连理工大学; 自动化学院; 辽宁科技大学; 汕头大学