10.3969/j.issn.1009-0134.2020.01.016
卷积神经网络在轴承故障识别的应用
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.
卷积神经网络、轴承故障识别、深度学习、智能故障诊断
42
TP16(自动化基础理论)
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
2020-04-10（万方平台首次上网日期，不代表论文的发表时间）
共6页
78-82,125
