基于改进CNN的起重机械滚动轴承故障诊断 |
| |
作者姓名: | 贾子威 朱历平 杨明超 |
| |
作者单位: | 广东省特种设备检测研究院珠海检测院,珠海519000;广东省特种设备检测研究院珠海检测院,珠海519000;广东省特种设备检测研究院珠海检测院,珠海519000 |
| |
摘 要: | 针对起重机械中的滚动轴承在高转速、重载荷和强噪声背景下,早期故障特征难以提取及有效识别的问题,提出一种改进卷积神经网络(CNN)的故障诊断方法。该方法首先应用短时傅里叶变换(STFT)将传感器采集到的一维振动信号转换为二维时频图,并将其作为改进卷积神经网络的输入,然后利用卷积神经网络强大的特征提取能力自适应地提取故障特征。最后,通过CNN模型最后一层的Softmax层对提取到的特征进行分类从而实现故障诊断的目的。
|
关 键 词: | 卷积神经网络 短时傅里叶变换 特征提取 故障诊断 |
本文献已被 CNKI 维普 万方数据 等数据库收录! |
|