针对传统故障诊断方法诊断过程复杂、效果不佳的问题,提出一种基于卷积神经网络的滚动轴承故障诊断方法。首先选取不同故障的振动信号进行归一化处理,然后把1维的振动信号转化成2维的灰度图像,利用每个元素与其相邻元素之间的关系,并且采用重叠采样的方法加强数据集。在卷积神经网方面利用tensorflow搭建网络框架,采用4种不同的卷积神经网络结构对样本进行训练。为避免实验的随机性,对每种方案进行多次训练,采其结果的均值。根据测试集的准确率选取最好的适合轴承故障诊断的模型,同时对网络的结构参数进行优化改进,提高模型的识别率和运行效率。实验结果表明,该方法可以准确地将滚动轴承的故障进行识别和分类。
类型: 期刊论文
作者: 贺思艳,任利娟,田新诚
关键词: 滚动轴承,卷积神经网络,故障诊断
来源: 兵工自动化 2019年03期
年度: 2019
分类: 信息科技,工程科技Ⅱ辑
专业: 机械工业,自动化技术
单位: 山东电子职业技术学院智能制造工程系,山东大学控制科学与工程学院
基金: 山东省重点研发计划项目(2016ZDJS02B03),山东省重大科技创新工程项目(2017CXGC0601)
分类号: TP183;TH133.33
页码: 39-41+54
总页数: 4
文件大小: 894K
下载量: 421
本文来源: https://www.lunwen90.cn/article/505afbac9e4de5cd3d2b6b35.html