作者:朱丹宸,张永祥,潘洋洋,朱群伟 单位:中国振动工程学会;上海交通大学;上海市振动工程学会 出版:《振动与冲击》2020年第04期 页数:7页  (PDF与DOC格式可能不同) PDF编号:PDFZDCJ2020040220 DOC编号:DOCZDCJ2020040229 下载格式:PDF + Word/doc 文字可复制、可编辑
  • 针对滚动轴承故障信号非平稳非线性且易受背景噪声干扰的特点,结合深度学习的优势,提出了一种基于卷积神经网络(CNN)的滚动轴承故障诊断法。将不同故障下多个传感器测得的1维(1D)振动信号转化为2维(2D)灰度图像作为网络输入,并将其分为训练集和测试集;将训练集输入卷积神经网络进行训练,自动提取其中的特征;测试集被用于验证学习完毕的网络的有效性,实现滚动轴承故障识别。该方法不依赖于人为经验和信号处理技术进行预先的信号特征提取,实验数据分析表明,相比于经典的支持向量机和概率神经网络方法,提出的方法识别准确率更高且更稳定。

    提示:百度云已更名为百度网盘(百度盘),天翼云盘、微盘下载地址……暂未提供。