基于卷积神经网络的轴承故障诊断研究

作者：徐卫鹏; 徐冰

来源：山东科技大学学报(自然科学版), 2021, 40(06): 121-128.

DOI：10.16452/j.cnki.sdkjzk.2021.06.014

• 神经网络
• 深度学习
• 摇臂
• 振动
• 故障诊断

针对复杂工况下的采煤机摇臂轴承故障诊断,以经典AlexNet为基础,为适应一维时域信号,采用滑窗法,以滑窗长度150 ms,移动步长120 ms构建样本,建立一种由池化层和多级交替卷积层组成的轴承故障诊断模型1CNN,可完成原始输入信号特征的自适应提取,并通过全连接层分类识别轴承故障。为验证1CNN模型故障诊断率,利用机械综合故障试验台对MG650/1750-WD采煤机摇臂轴承6008-2Z内圈、外圈、滚子不同形态及大小的故障测试试验,得到振动信号的时域频谱。通过1CNN模型直接读取振动信号时域数据的故障识别试验,结果表明:1CNN模型算法识别准确率达到99.6%,是一种有效的采煤机截割系统轴承故障诊断技术。

• 单位
  日照职业技术学院