利用改进卷积神经网络的滚动轴承变工况故障诊断方法

赵小强; 张亚洲

首页> 中文期刊> 《西安交通大学学报》 >利用改进卷积神经网络的滚动轴承变工况故障诊断方法

利用改进卷积神经网络的滚动轴承变工况故障诊断方法

开具论文收录证明 >>

期刊封面封底目录下载 >>

文献代查 >>

页面导航

摘要
著录项
相似文献
相关主题

摘要

针对滚动轴承在强噪声环境和变工况下故障诊断效果不佳、泛化能力差的问题,提出一种改进卷积神经网络(CNN)的滚动轴承变工况故障诊断方法.设计了多尺度特征提取模块,采用不同尺度的卷积层提取对输入数据特征,实现了提取故障数据中特征信息最大化.同时,引入通道注意力机制,提取出该模块中更重要、更关键的信息;设计了带跳跃连接线的卷积模块,防止提取到的丰富特征在卷积层前向传递时丢失;以Softmax交叉熵作为损失函数,利用Adam优化算法实现滚动轴承故障诊断.将所提方法分别在凯斯西储大学轴承数据集和变速箱数据集上进行实验验证,结果表明:在凯斯西储大学轴承数据集上的变噪声实验中,所提方法诊断平均准确率为96.49％,在变工况中诊断准确率在90％以上,均高于比较方法;在变速箱轴承数据集上,所提方法诊断准确率为99.54％,具有较好的抗噪性和更好的泛化能力.

著录项

来源
《西安交通大学学报》 |2021年第12期|108-118|共11页
作者
赵小强; 张亚洲;
展开▼
作者单位

兰州理工大学电气工程与信息工程学院 730050 兰州;

兰州理工大学甘肃省工业过程先进控制重点实验室 730050 兰州;

兰州理工大学国家级电气与控制工程实验教学中心 730050 兰州;

兰州理工大学电气工程与信息工程学院 730050 兰州;

展开▼
原文格式 PDF
正文语种 chi
中图分类轴承;
关键词
故障诊断; 滚动轴承; 变工况; 卷积神经网络; 注意力机制;

相似文献

中文文献
外文文献
专利

1. 基于二维卷积神经网络的滚动轴承变工况故障诊断方法 [J] . 潘成龙 ,应雨龙 . 上海电力大学学报 . 2022,第1期
2. 改进深度卷积神经网络及其在变工况滚动轴承故障诊断中的应用 [J] . 张西宁 ,刘书语 ,余迪 . 西安交通大学学报 . 2021,第006期
3. 使用改进残差神经网络的滚动轴承变工况故障诊断方法 [J] . 赵小强 ,梁浩鹏 . 西安交通大学学报 . 2020,第009期
4. 改进Alexnet的滚动轴承变工况故障诊断方法 [J] . 赵小强 ,张青青 . 振动、测试与诊断 . 2020,第003期
5. 滚动轴承多状态特征信息的改进型卷积神经网络故障诊断方法 [J] . 周陈林 ,董绍江 ,李玲 . 振动工程学报 . 2020,第004期
6. 一种新型多层深度卷积神经网络的滚动轴承故障诊断方法 [C] . She Daoming ,佘道明 ,Jia Minping . 第十二届全国振动理论及应用学术会议 . -1
7. 基于改进CNN的变工况下滚动轴承故障诊断方法研究 [A] . 李艺伟 . 2019

利用改进卷积神经网络的滚动轴承变工况故障诊断方法

摘要

著录项

相似文献

相关主题

期刊订阅