文献类型：期刊文章

作　　者：樊星男[1] 刘晓娟[2]

FAN Xingnan;LIU Xiaojuan(Department of Electrical Mechanical and Vehicle Engineering,Taiyuan University,Taiyuan 030032,China;AVIC Taiyuan Aviation Instrument Co.,Ltd.,Taiyuan 030006,China)

机构地区：[1]太原学院机电与车辆工程系,太原030032 [2]太原航空仪表有限公司,太原030006

出　　处：《机械设计与研究》

年　　份：2022

卷　　号：38

期　　号：3

起止页码：109-113

语　　种：中文

收录情况：BDHX、BDHX2020、CSCD、CSCD_E2021_2022、JST、RCCSE、ZGKJHX、核心刊

摘　　要：针对信号-图像模式的卷积神经网络轴承故障诊断方法对原始时间序列信号需求量大,且构成的二维样本丢失了数据之间相关性的缺点,提出了一种基于Hankel矩阵的卷积神经网络轴承故障诊断方法。该方法首先将原始时间序列信号进行[-1,1]区间归一化处理,然后利用滑窗截取2M-1长度的预处理信号构成M×M大小的Hankel矩阵作为二维CNN的输入信号。该方法在有效保持数据之间连续性的基础上极大的降低了对原始时间序列信号的需求量。经多个数据集的验证表明,所提出的方法可以有效提高CNN的训练效果和故障识别率,具有较好的可行性和应用性。

关 键 词：卷积神经网络 故障诊断 汉克尔矩阵  信号转换

分 类 号：TP206]