基于深度神经网络的嵌入式轴承故障智能诊断系统  

Embedded Bearing Fault Intelligent Diagnosis System Based on Deep Neural Network

作　　者：曾梦洁 李舜酩[1] 陆建涛 李香莲 Zeng Mengjie

机构地区：[1]南京航空航天大学能源与动力学院,江苏南京210016

出　　处：《工业控制计算机》2021年第10期41-43,47,共4页Industrial Control Computer

基　　金：国家自然科学基金资助项(51975276);国家科技重大专项项目(2017-IV-0008-0045);“高速载运设施无损检测和监控技术”工信部重点实验室项目(KL2019N001)。

摘　　要：针对滚动轴承故障的在线监测与智能诊断问题,建立了一种基于深度神经网络(DNN)的嵌入式轴承故障智能诊断系统,采用轻便的可移动硬件设备完成滚动轴承的信号采集监测,可结合多种智能神经网络算法训练故障模型,快速诊断滚动轴承故障类型。采用凯斯西储大学数据集进行仿真实验,DNN模型平均测试准确率能够达到97.7%;对某型号直升机主减速器轴承进行测试实验,实验表明该智能诊断系统可以实现四种基础功能,完整采集滚动轴承信号并且进行故障诊断及结果显示,DNN模型平均测试准确率能够达到96.7%,在轴承智能检测方面取得了满意的效果。Aiming at the problem of online monitoring and intelligent diagnosis of rolling bearing faults,an embedded bearing fault intelligent diagnosis system based on a deep neural network is proposed in this paper.Lightweight and movable hardware equipment are used to complete the signal acquisition and monitoring of rolling bearing,and it can be combined with a variety of intelligent neural network algorithms to train fault models and quickly diagnose the type of rolling bearing faults.This paper uses the Case Western Reserve University data sets for algorithm verification,and the average test accuracy can reach 97.7%.

关 键 词：轴承故障诊断 神经网络 嵌入式 智能检测 

分 类 号：TH133.3[机械工程—机械制造及自动化] TP183[自动化与计算机技术—控制理论与控制工程]