基于CNN-SVM的滚动轴承故障诊断

作者：张弛

来源：组合机床与自动化加工技术, 2021, (11): 114-124.

DOI：10.13462/j.cnki.mmtamt.2021.11.027

• 滚动轴承
• 故障诊断
• 卷积神经网络
• 支持向量机

针对滚动轴承故障诊断,对其故障特征进行准确提取是提高诊断准确率的关键步骤。以原始时域振动信号为对象,提出一种基于卷积神经网络(CNN)和支持向量机(SVM)的轴承故障诊断模型。首先,将原始时域振动信号输入二维卷积神经网络进行自适应特征提取;其次,取全连接层结果作为支持向量机的输入,利用支持向量机对其进行分类;最后,经过实验验证,相比于传统神经网络故障诊断方法,该模型以原始时域数据为对象进行故障诊断的准确率能达到96.7%,且无需复杂的网络结构,具有一定现实意义。

• 单位
  上海交通大学