卷积神经网络在轴承故障识别的应用  

Application of convolutional neural network in fault identification of rolling bearing

作　　者：颉潭成[1] 陈孟会 徐彦伟[1] 李先锋 XIE Tan-cheng;CHEN Meng-hui;XU Yan-wei;LI Xian-feng

机构地区：[1]河南科技大学机电工程学院

出　　处：《制造业自动化》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)

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。

关 键 词：卷积神经网络 轴承故障识别 深度学习 智能故障诊断 

分 类 号：TP16[自动化与计算机技术—控制理论与控制工程]