基于1DCNN 和动态路由的滚动轴承故障诊断 | |
郭俊锋; 吕健豪 | |
刊名 | 组合机床与自动化加工技术 |
2021-11 | |
期号 | 11页码:53-57 |
关键词 | 一维卷积神经网络 动态路由算法 深度学习 轴承故障诊断 变工况 |
DOI | 10. 13462 /j. cnki. mmtamt. 2021. 11. 013 |
英文摘要 | 实际生产中滚动轴承的工况复杂易变,导致故障诊断准确率较低。针对于此,将多传感器数据融合理论应用于故障诊断领域,提出了一种基于一维卷积与动态路由算法的滚动轴承故障诊断方法。首先,采用快速傅立叶变换将多个传感器收集到的时域振动信号转换为频域频谱; 其次,构建多卷积网络从频谱中提取特征并归一化,再利用动态路由算法融合多卷积网络提取的特征来训练模型; 最后,将变工况的振动数据导入模型实现故障诊断。实验结果表明,相较于其它典型的智能故障诊断方法,文章提出的方法在变工况条件下具有更高的诊断精度、更好的稳定性和泛化性能。 |
URL标识 | 查看原文 |
语种 | 中文 |
内容类型 | 期刊论文 |
源URL | [http://ir.lut.edu.cn/handle/2XXMBERH/149464] |
专题 | 机电工程学院 |
通讯作者 | 吕健豪 |
作者单位 | 兰州理工大学 |
推荐引用方式 GB/T 7714 | 郭俊锋,吕健豪. 基于1DCNN 和动态路由的滚动轴承故障诊断[J]. 组合机床与自动化加工技术,2021(11):53-57. |
APA | 郭俊锋,&吕健豪.(2021).基于1DCNN 和动态路由的滚动轴承故障诊断.组合机床与自动化加工技术(11),53-57. |
MLA | 郭俊锋,et al."基于1DCNN 和动态路由的滚动轴承故障诊断".组合机床与自动化加工技术 .11(2021):53-57. |
个性服务 |
查看访问统计 |
相关权益政策 |
暂无数据 |
收藏/分享 |
除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。
修改评论