科研之友
微信
新浪微博
Facebook
分享链接
摘要
【目的】针对农机使用环境恶劣、欠缺后期维护等问题，研究农机轴承故障诊断新方法，克服卷积神经网络难以全局提取特征的不足，提高故障诊断准确率以及农机使用的安全性和稳定性。【方法】研究团队引入了二维改进Transformer网络，利用未经优化的短时傅里叶变换生成的二维图像，并结合深度学习模型，进行了农机轴承故障诊断。研究团队还基于凯斯西储大学的轴承故障数据集进行了实验，从而验证该故障诊断方法的有效性。【结果】在训练30轮后即可在故障类型和故障程度的诊断中达到99.9%的准确率，高于常用的卷积神经网络。【结论】该故障诊断方法流程简单，在负载情况下具有可靠性、优越性，减少了对专家系统的依赖，为农机轴承故障诊断提供了更便捷可靠的方法。
- 单位
