基于MTF-CNN的轴承故障诊断研究EI北大核心CSCD |
| |
引用本文: | 赵志宏,李春秀,窦广鉴,杨绍普.基于MTF-CNN的轴承故障诊断研究EI北大核心CSCD[J].振动与冲击,2023(2):126-131. |
| |
作者姓名: | 赵志宏 李春秀 窦广鉴 杨绍普 |
| |
作者单位: | 1. 石家庄铁道大学信息科学与技术学院;2. 石家庄铁道大学省部共建交通工程结构力学行为与系统安全国家重点实验室 |
| |
基金项目: | 国家重点研发计划(2020YFB2007700);国家自然科学基金(11972236,11790282);石家庄铁道大学研究生创新资助项目(YC2022059)。 |
| |
摘 要: | 轴承故障诊断对保证机械设备的安全十分重要。近年来,数据驱动的故障诊断方法得到了研究者的关注。与传统的依赖于专家经验的故障特征提取方法不同,深度学习方法可以实现端到端自动故障特征提取与分类。针对一维信号作为卷积神经网络(convolutional neural network,CNN)输入时无法充分利用数据间的相关信息的问题,提出一种基于MTF-CNN的轴承故障诊断方法。利用马尔可夫变迁场(Markov transition field,MTF)对采集到的振动信号进行编码,根据数据之间的转移概率得到不同时间间隔内的数据相关性并生成相应特征图,之后将其输入卷积神经网络完成特征的提取并进行故障分类。采用凯斯西储大学轴承数据对模型进行验证,试验结果表明该模型达到99.8%以上的故障诊断准确率,与其他图像编码方式相比获得了较好的泛化性能。
|
关 键 词: | 故障诊断 深度学习 马尔可夫变迁场(MTF) 卷积神经网络(CNN) |
本文献已被 维普 等数据库收录! |
|