| 变负载轴承故障诊断卷积神经网络模型 |
| |
| 引用本文： | 祝道强,周新志,宁芊. 变负载轴承故障诊断卷积神经网络模型[J]. 科学技术与工程, 2020, 20(15): 6054-6059 |
| |
| 作者姓名： | 祝道强 周新志 宁芊 |
| |
| 作者单位： | 四川大学电子信息学院,成都610065;四川大学电子信息学院,成都610065;四川大学电子信息学院,成都610065 |
| |
| 基金项目： | 国家自然科学基金项目（面上项目，重点项目，重大项目） |
| |
| 摘 要： | 针对轴承故障在实际环境中存在负载变化导致故障难以诊断的问题,提出一种基于一维卷积神经网络的变负载适应轴承故障诊断模型,卷积结构使用小卷积核卷积层堆叠的形式,训练时对输入层进行均匀分布失活率的随机失活,以提高网络的变负载适应能力,且采用全局平均池化降低模型计算量和减轻过拟合程度;在实验验证阶段,提出以两种近邻负载条件的轴承数据构成变负载数据集,充分验证轴承故障诊断的变负载适应性。实验结果表明:本文模型在各测试集均能达到96%以上的准确率且平均准确率达到98.36%,能够在变负载环境下实现准确、稳定的轴承故障诊断,具有良好的泛化能力。
|
| 关 键 词： | 故障诊断 卷积神经网络 变负载 深度学习 |
| 收稿时间： | 2019-09-03 |
| 修稿时间： | 2020-06-14 |
Variable Load Bearing Fault Diagnosis Model Based on Convolutional Neural Network |
| |
| Zhu Daoqiang,Zhou Xinzhi,Ning Qian. Variable Load Bearing Fault Diagnosis Model Based on Convolutional Neural Network[J]. Science Technology and Engineering, 2020, 20(15): 6054-6059 |
| |
| Authors: | Zhu Daoqiang Zhou Xinzhi Ning Qian |
| |
| Affiliation: | College of Electronics & Information Engineering, Sichuan University |
| |
| Abstract: | |
| |
| Keywords: | fault diagnosis convolutional neural network variable load deep learning |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
| 点击此处可从《科学技术与工程》浏览原始摘要信息 |
|
点击此处可从《科学技术与工程》下载全文 |
|
