基于BI-TCP卷积神经网络的纸机轴承故障诊断方法研究

汤伟; 王杰

首页> 中文期刊> 《中国造纸学报》 >基于BI-TCP卷积神经网络的纸机轴承故障诊断方法研究

基于BI-TCP卷积神经网络的纸机轴承故障诊断方法研究

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

针对传统纸机轴承故障诊断模型无法有效提取轴承振动信号深层特征而导致诊断精度难以提高,基于深度学习网络模型参数量过大的问题,提出了一种基于双模态输入和双通道并行卷积神经网络(BI-TCP-CNN)的纸机轴承故障诊断方法。该方法首先在输入数据方面进行创新,将轴承振动信号分别转化为对应的格拉姆角场(GAF)矩阵与欧式距离矩阵,并将二者成对组成的二维矩阵作为网络的输入;其次,利用双通道并行的浅层卷积神经网络提取信号中的不同特征并进行融合,在提高特征完备表达的同时大幅降低了模型的参数量。在凯斯西储大学(CWRU)数据集与实验室搭建的故障诊断实物平台上进行的实物验证结果表明,该方法在CWRU数据集以及实物平台上的故障识别精度均在99.2%以上,可很好地实现对纸机轴承的故障诊断。

著录项

来源
《中国造纸学报》 |2023年第1期|74-81|共8页
作者
汤伟; 王杰;
展开▼
作者单位

陕西科技大学电气与控制工程学院;

展开▼
原文格式 PDF
正文语种 chi
中图分类辅助设备器材;人工神经网络与计算;
关键词
纸机轴承; 故障诊断; 深度学习; 双模态输入; 特征融合;

相似文献

中文文献
外文文献
专利

1. 基于优化变模态分解和卷积神经网络的轴承故障诊断方法研究 [J] . 李萌 ,黄子悦 . 长春大学学报 . 2022,第2期
2. 基于声成像与卷积神经网络的轴承故障诊断方法及其可解释性研究 [J] . 王冉 ,石如玉 ,胡升涵 . 振动与冲击 . 2022,第16期
3. 基于一维卷积神经网络的轴承故障诊断方法研究 [J] . 冯连强 ,徐江 ,田瑞明 . 重型机械 . 2021,第001期
4. 基于一维卷积神经网络的轴承故障诊断方法研究 [J] . 冯连强 ,徐江 ,田瑞明 . 重型机械 . 2021,第001期
5. 基于优化多尺度排列熵和卷积神经网络的滚动轴承故障诊断方法 [J] . 伍济钢 ,文港 . 航天器环境工程 . 2023,第1期
6. 基于卷积神经网络与支持向量机的滚动轴承故障诊断 [C] . CHEN Junsheng ,程军圣 ,HUANG Wenyi . 2018年全国设备监测诊断与维护学术会议暨第十六届全国设备故障诊断学术会议、第十八届全国设备监测与诊断学术会议、2018年全国设备诊断工程会议 . 2018
7. 基于卷积神经网络的采煤机摇臂传动系统滚动轴承故障诊断方法研究 [A] . 张国祯 . 2020

基于BI-TCP卷积神经网络的纸机轴承故障诊断方法研究

摘要

著录项

相似文献

相关主题

期刊订阅