科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对深度诊断模型较难处理信号紧邻特征点以及多变工况导致模型诊断精度和泛化性能不足的问题，本文基于格拉姆角场(GAF)和DarkNet-53图像识别算法提出GAF-DarkNet算法。首先通过GAF编码将原始振动信号转换为具有时序相关性的二维特征图象，然后将得到的特征图像作为DarkNet-53的输入进行特征自提取和故障诊断，最后实现不同故障类型的分类。为验证本文方法的有效性和优越性，选用凯斯西储大学(CWRU)的滚动轴承数据集进行试验验证，并进一步通过变载荷工况分析和南京工业大学转盘轴承数据集对所提算法进行泛化性能的验证，同时与目前流行的智能诊断方法以及最新的二维重构诊断方法进行分析对比。试验结果表明，本文所提GAF-DarkNet算法在变工况和变项目下，对滚动轴承故障诊断具有更好的泛化能力和识别效果。
- 单位
