- 1、本文档共8页,可阅读全部内容。
- 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
第44卷第4期噪声与振动控制Vol44No.4
2024年8月NOISEANDVIBRATIONCONTROLAug.2024
文章编号:1006-1355(2024)04-0167-7+295
频域特征提取联合双流CNN的轴承故障诊断方法
1121
田野,陈姚节,张莉,陈黎
(1.武汉科技大学计算机科学与技术学院,武汉430065;2.武汉晴川学院计算机学院,武汉430204)
摘要:针对传统方法提取到的轴承各类故障特征混杂,部分类别故障不易区分的问题,设计一种双流卷积神经网
络(ConvolutionalNeuralNetwork,CNN)的故障诊断模型。首先将振动信号转换到频域,为减少低频微弱信号的干扰,
过滤频域信号,设定滤波器通带和阻带衰减值以保证信号不失真,进而确定频率带宽,在该带宽值下求得信号振幅占
比最大值的范围,同时以正常信号振幅平均值作为高频信号的阈值确定频率最高值。用上述参数分别作为滤波器的
参数,过滤信号得到频谱信号和构建时频图像。将提取频谱信号和时频图作为模型两个通道的输入,在卷积层和池化
层后加入特征融合层,通过加权融合的方式将两个通道的特征融合,使得各类故障特征区分度显著提高。实地搭建故
障平台采集数据验证,实验结果表明,该方法能提取到每类故障独有的特征,轴承故障识别准确率达到98.95%。
关键词:故障诊断;特征提取;卷积神经网络;滤波器;时频图;特征融合
中图分类号:TP274;TH133.33文献标志码:ADOI编码:10.3969/j.issn.1006-1355.2024.04.025
BearingFaultDiagnosisBasedonFrequencyDomainFeatureExtraction
andCombinedDual-streamCNN
TIANYe1,CHENYaojie1,ZHANGLi2,CHENLi1
(1.SchoolofComputerScienceandTechnology,WuhanUniversityofScienceandTechnology,Wuhan430065,China;
2.SchoolofComputerScience,WuhanQingchuanUniversity,Wuhan430204,China)
Abstract:Aimingattheproblemthatvariousfaultfeaturesofbearingsextractedbytraditionalmethodsaremixedand
sometypesoffaultsarehardlytobedistinguished,afaultdiagnosismodelbasedondual-streamconvolutionneuralnetwork
(CNN)isdesigned.Firstly,thevibrationsignalisconvertedtothefrequencydomain.Inordertoreducetheinterferenceof
lowfrequencyweaksignal,thefrequ
文档评论(0)