改进的CNN网络在轴承故障诊断中的应用

作者：杨兰柱; 刘文广

来源：机电工程技术, 2020, 49(08): 11-13.

• 卷积神经网络
• 改进的CNN网络
• 模式识别
• 故障诊断

轴承故障诊断一直是机械状态监测中的重点及难点之一。近年来,卷积神经网络(convolutional neural network,CNN)在机器状态监测中得到了广泛的应用,其中在轴承故障诊断领域中也具有很大突破。但由于CNN提取一维特征时由于自身网络特征而产生的一些缺点,导致传统CNN对故障轴承原始振动信号进行处理所得的模型准确率较低且泛化性较差。基于上述问题,改进了传统CNN中的卷积层,提出了改进的CNN网络,将原始轴承振动信号作为输入,提取了信号的深层特征,将该特征输入到分类器中进行轴承故障分类。同时利用内蒙古科技大学轴承振动信号数据集及西储大学轴承振动信号数据集对提出网络进行了有效性论证及泛化性论证,实验表明:相较于传统CNN网络,该网络更具有稳定性,且更具有泛化性。

• 出版日期2020
• 单位内蒙古科技大学