-
题名基于改进谱峭度与一维卷积神经网络的轴承故障诊断
被引量：20
- 1
-
-
作者
张龙
徐天鹏
王朝兵
吴荣真
甄灿壮
闫乐玮
-
机构
华东交通大学机电与车辆工程学院
中车戚墅堰机车有限公司
-
出处
《机械设计与研究》
CSCD
北大核心
2021年第4期99-105,共7页
-
基金
国家自然科学基金(51665013)及江西省自然科学基金(20161BAB216134)资助项目
江西省研究生创新资金项目(YC2019-S243)。
-
文摘
由于轴承所处工况的复杂性,其振动信号中包含了各种噪声和干扰,导致传统信号处理方法效果不理想。因此,很多研究将信号处理方法与神经网络相结合对故障进行诊断,卷积神经网络(CNN)因其对图像具有独特的特征提取能力而被引入故障诊断领域。而通过信号处理构造的图像可能存在信息冗余问题,将信息冗余图像直接作为网络输入会增加其复杂度。针对上述问题提出了一种基于改进谱峭度与一维CNN的故障分类方法。改进谱峭度方法克服了非高斯噪声和偶然性冲击的影响,能很快地选择正确的滤波频带。考虑到构造谱峭度图的原理,将谱峭度图转换成一维序列信号,作为一维CNN输入进行故障分类,相比于直接将谱峭度图输入二维CNN中,该方法去除了图像的冗余信息,减少了网络结构参数,降低了网络复杂度。通过二组数据分析验证了该文方法的有效性和泛化性。
-
关键词
一维卷积神经网络
谱峭度图
故障诊断
特征提取
-
Keywords
1 DCNN
kurtogram
fault diagnosis
feature extraction
-
分类号
TH13
[机械工程—机械制造及自动化]
THI7
[机械工程]
-
