基于GAF和卷积神经网络的轴承故障诊断研究 |
| |
引用本文: | 周孟然,宋乾坤.基于GAF和卷积神经网络的轴承故障诊断研究[J].安徽理工大学学报(自然科学版),2023(1):8-14. |
| |
作者姓名: | 周孟然 宋乾坤 |
| |
作者单位: | 1. 安徽理工大学电气与信息工程学院;2. 安徽理工大学人工智能学院 |
| |
摘 要: | 针对深度学习在轴承故障诊断中出现的多分类时测试准确率低、数据集不足的情况,提出基于格拉姆角场(GAF)法和卷积神经网络(CNN)的轴承故障诊断模型以及采用重叠采样20%的方法扩充数据集。通过对轴承振动信号采用格拉姆角场法变换构建数据集,导入到搭建的六层卷积神经网络中实现故障分类。在搭建的CNN中测试了不同的轴承数据集以及不同数据长度下的测试准确率和抗噪性能。结果表明,在不同数据集的测试中,所搭建的模型最高测试准确率可达100%,搭建的CNN有着良好的性能,在多分类问题上具有较高的精度;扩充数据集的方法具有一定的可行性,可以有效提升模型的测试性能。
|
关 键 词: | 格拉姆角场 卷积神经网络 轴承故障诊断 抗噪性能 |
|
|