科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对滚动轴承在多工况条件下故障特征难以识别的问题，从数据驱动的角度出发应用一维多尺度密集网络(MSDNet)对轴承进行故障诊断。首先，将时域信号作为MSDNet的直接输入，保持了信号本有的固有特性；其次采用3个并行卷积操作来提取轴承故障信号内部的多尺度信息，密集网络的加入防止了信息传递过程中的特征丢失，适当缓解了模型中的梯度消失问题；然后训练过程中采用Adabelief优化算法优化模型参数，使得模型在快速收敛的同时又提高了其泛化性能；最后通过混淆矩阵和特征可视化图展示出模型的分类性能，在凯斯西储大学轴承实验数据集和西安交通大学数据集上进行了多次实验，应用该算法故障识别率可达到98%以上，证明了该方法的有效性。
- 单位
