摘要
针对传统故障诊断方法在轴承故障诊断识别率低、人为干预多等问题,提出一种基于卷积神经网络的故障识别方法。通过对轴承各类故障信号进行数据处理,提取出故障信号的特征,构建故障类型数据集,建立卷积神经网络图像识别模型,将故障数据集送入模型训练获得较优识别模型,最后将待识别故障信号特征图送入模型进行故障类型识别。经实验验证,该方法满足多类轴承故障识别的要求,具有较高的故障识别率。该方法无需人为参与,只需将待测信号进行数据处理送入模型进行识别,符合智能故障诊断的发展趋势,在机械故障领域具有一定的应用价值。
作者
颉潭成
陈孟会
徐彦伟
李先锋
XIE Tan-cheng;CHEN Meng-hui;XU Yan-wei;LI Xian-feng
出处
《制造业自动化》
CSCD
2020年第1期78-82,125,共6页
Manufacturing Automation
基金
国家自然科学基金资助项目(51305127)
河南省高校青年骨干教师项目(2016GGJS-057)