GLT-CNN方法及其在航空发动机中介轴承故障诊断中的应用

论文摘要

航空发动机中介轴承故障振动信号是一种非平稳非线性信号,其中常混有干扰信号及噪声成分。以往方法大多采用人工特征提取来进行故障识别,特征提取往往依靠专家经验,不仅增加识别复杂度,同时选取的特征也不能很好地表征状态信息。因此提出一种基于卷积神经网络（Convolutional Neural Networks,CNN）的中介轴承故障诊断方法,首先将原始故障振动信号进行灰度变换（Gray-level Transformation,GLT）,然后输入到结合滑动平均模型的卷积神经网络中,并选用相应的神经网络优化算法实现故障诊断与分类。最后,通过航空发动机中介轴承振动数据,验证所提方法的有效性。

论文目录

• 引言
• 1 理论基础
•   1.1 灰度变换
•   1.2 卷积神经网络
•     1.2.1 卷积层
•     1.2.2 采样层
•   1.3 网络优化
•     1.3.1 过拟合问题
•     1.3.2 优化算法
•     1.3.3 滑动平均模型
• 2 基于CNN的故障诊断方法
• 3 试验验证
•   3.1 中介轴承故障试验台
•   3.2 数据预处理
•   3.3 试验结果分析
• 4 结论

文章来源

类型: 期刊论文

作者: 王奉涛,薛宇航,王洪涛,马琳杰,李宏坤,韩清凯,于晓光

关键词: 故障诊断,轴承,卷积神经网络,灰度变换,优化算法

来源: 振动工程学报 2019年06期

年度: 2019

分类: 工程科技Ⅱ辑,信息科技

专业: 航空航天科学与工程,自动化技术

单位: 汕头大学工学院机电系,大连理工大学振动工程研究所,辽宁科技大学机械工程与自动化学院

基金: 国家自然科学基金资助项目(51875075,51775257)

分类号: V263.6;TP183

DOI: 10.16385/j.cnki.issn.1004-4523.2019.06.017

页码: 1077-1083

总页数: 7

文件大小: 2197K

下载量: 275