基于数据划分和ODM-CNN的滚动轴承故障诊断  

Fault Diagnosis of Rolling Bearing Based on Data Partition and ODM-CNN

作　　者：吴聪 李梦男 李琨[1] Wu Cong;Li Mengnan;Li Kun(Kunming University of Technology,Kunming 650504,China)

机构地区：[1]昆明理工大学,昆明650504

出　　处：《煤矿机械》2023年第3期183-186,共4页Coal Mine Machinery

摘　　要：提出了一种数据处理方法,对滚动轴承振动数据周期进行自动划分;将数据按照划分的数据长度传入一维多尺度卷积神经网络(ODM-CNN)进行滚动轴承的故障诊断。所提出的数据处理方法可以将每一次传入神经网络的数据划分出合适的周期。通过这种方式滚动轴承故障诊断的准确率达到99.5%以上,并且有效提高了网络的反应速率。Proposed a data processing method,which automatically divides the rolling bearing vibration data cycle;transmitted the data into one-dimensional multiscale convolutional neural network(ODM-CNN)according to the divided data length for rolling bearing fault diagnosis.The data processing method proposed can divide the appropriate period for the data each incoming neural network.In this way,the accuracy of rolling bearing fault diagnosis is more than 99.5%,and effectively improves the reaction rate of the network.

关 键 词：滚动轴承 数据处理 ODM-CNN 故障诊断 

分 类 号：TP306.3[自动化与计算机技术—计算机系统结构]