一种新型多层深度卷积神经网络的滚动轴承故障诊断方法
为了精准、稳定地提取滚动轴承故障特征,结合大数据的特点和深度学习的优势,本文提出了一种多层深度卷积神经网络(Deep learning convolutional neural network,DCNN)的滚动轴承故障分类识别方法.首先设计DCNN网络,把原始振动信号转化为时域图像,然后用DCNN对时域图像进行分类识别,判定轴承的故障类别.DCNN方法不用传统算法中复杂的特征提取,有效克服了传统诊断方法需要依靠大量的信号处理技术和丰富的工程实践经验来提取故障特征的不足.实验分析结果表明,和传统的SVM和BPNN比较,本文提出的方法诊断效果更佳.
滚动轴承 故障诊断 特征提取 多层深度卷积神经网络
佘道明 贾民平
东南大学机械工程学院,南京 211189
国内会议
南宁
中文
1-7
2017-10-20（万方平台首次上网日期，不代表论文的发表时间）