基于信号特征提取和卷积神经网络的轴承故障诊断研究

作者：谢星怡; 张正江; 闫正兵; 李欣燦; 陶莫凡; 章纯

来源：计算机测量与控制, 2023, 31(10): 21-27.

DOI：10.16526/j.cnki.11-4762/tp.2023.10.004

• 故障诊断
• 卷积神经网络
• 特征提取

轴承是机械设备主要零部件之一，也是机械设备主要故障零部件之一；轴承故障问题为机械设备的重点，机械设备的使用受到故障轴承的直接影响；针对传统的卷积神经网络算法轴承故障诊断效率低下问题，提出了一种基于信号特征提取和卷积神经网络的优化方法；首先对原始数据信号进行时域和频域的信号特征提取，获得有效的故障特征值；之后，使用卷积神经网络对提取的特征值进行故障诊断，完成故障分类；文章使用美国凯斯西储大学的滚动轴承振动加速度信号作为数据集，对提出的方法进行验证，得到的故障诊断平均准确率为74.37%,准确率的方差为0.000 1;传统的卷积神经网络算法故障诊断平均准确率为65.6%;准确率的方差为0.001 9;实验结果表明，相比传统的卷积神经网络，提出的方法对轴承故障诊断的准确率有显著的提高，并且该方法的稳定性更佳，计算时间更少，综合性能更佳。

• 单位
  温州大学