基于FSK-CNN的轴承故障诊断研究 |
| |
引用本文: | 贾晗,尚前明,高海波.基于FSK-CNN的轴承故障诊断研究[J].应用科技,2023(2):128-133. |
| |
作者姓名: | 贾晗 尚前明 高海波 |
| |
作者单位: | 武汉理工大学船海与能源动力工程学院 |
| |
基金项目: | 国家自然科学基金项目(51909200);;国家重点研发计划项目(2019YFE0104600); |
| |
摘 要: | 在旋转机械设备的运维保障过程中,采用基于专家经验的传统故障检测方法难以对轴承的健康状态做出实时的状态检测。针对这一问题,本文提出一种基于快速谱峭度与卷积神经网络(FSK-CNN)的故障诊断方法。首先采用快速谱峭度(FSK)法对振动信号进行特征提取,将一维时域信号转化为二维的谱峭度图;之后,采用一种结合卷积注意力模块(CBAM)的卷积神经网络模型完成故障分类。试验结果表明,快速谱峭度法可以有效提取轴承振动信号故障特征,引入卷积注意力模块对传统卷积神经网络模型具有明显的优化作用,FSK-CNN的故障诊断方法对于10种不同的轴承故障类型的诊断准确率可以达到99%。
|
关 键 词: | 故障诊断 快速谱峭度法 神经网络 卷积注意力模块 旋转机械设备 谱峭度图 振动信号 运维保障 |
|
|