基于改进深度卷积神经网络的轴承故障诊断

ZHANG Cai-hua,ZHANG Ying-jie, LI Ming, LU Bi-liang, LI Pu-de

Computing Technology and Automation（2023）

引用 0|浏览5

暂无评分

摘要

轴承为风电机组的重要且故障频发部件,传统基于轴承振动数据的图像转换的卷积神经网络(CNN)的故障诊断技术存在一定局限性.提出了一种基于改进深度卷积神经网络(IDCNN)的直接时间序列特征提取方法,依据采样频率将原始振动数据划分为单个样本,构建诊断模型训练数据集.设计了一种新型的深度卷积神经网络(IDCNN),自动提取复杂样本数据的故障特征,提高 DCNN 的鲁棒性和泛化性,并将 IDCNN提取的高维故障特征输入到分类器中,从而实现轴承故障的智能诊断.对比实验结果表明本方法有效提升了故障诊断精度.

关键词

wind turbine,bearing,fault diagnosis,deep convolutional neural network

AI 理解论文

溯源树

样例

生成溯源树，研究论文发展脉络

Chat Paper

正在生成论文摘要