-
题名改进抗干扰CNN的变负载滚动轴承损伤程度识别
被引量:4
- 1
-
-
作者
董绍江
裴雪武
吴文亮
汤宝平
赵兴新
-
机构
重庆交通大学机电与车辆工程学院
重庆大学机械传动国家重点实验室
重庆长江轴承股份有限公司
-
出处
《振动.测试与诊断》
EI
CSCD
北大核心
2021年第4期715-722,831,共9页
-
基金
国家自然科学基金资助项目(51775072)
重庆市科技创新领军人才支持计划资助项目(CSTCCCXLJRC201920)。
-
文摘
针对强噪声、变负载工况下滚动轴承损伤程度难以识别的问题,提出了一种基于改进抗干扰卷积神经网络(anti⁃interference convolutional neural network,简称ACNN)的变负载工况下轴承损伤程度识别新方法。首先,对滚动轴承的一维振动信号进行预处理,得到标签化的数据样本,分为训练集和测试集;其次,将注意力机制引入到卷积神经网络的各个特征提取层中以建立特征提取通道之间的联系,得到基于改进ACNN的变负载工况下轴承损伤程度识别模型;然后,将训练集数据输入到改进ACNN中进行学习,将得到的识别模型应用于测试集,输出损伤程度识别结果,在训练过程中,为了提高模型的抗干扰能力,将Dropout算法引入到卷积层,为抑制过拟合,对原始训练样本进行加噪处理;最后,通过滚动轴承损伤程度模拟试验,在变工况下进行测试。结果表明,在噪声环境中所提方法能更准确地实现变负载工况下的轴承损伤程度识别。
-
关键词
滚动轴承
损伤程度识别
注意力机制
抗干扰卷积神经网络
-
Keywords
rolling bearing
damage degree identification
attention mechanism(AM)
anti-interference convolutional neural network(ACNN)
-
分类号
TH113.1
[机械工程—机械设计及理论]
TH133.3
[机械工程—机械制造及自动化]
-