文献类型：期刊文章

作　　者：张文风[1] 周俊[1]

ZHANG Wenfeng;ZHOU Jun(School of Mechanical and Automotive Engineering,Shanghai University of Engineering Science,shanghai 201620,China)

机构地区：[1]上海工程技术大学机械与汽车工程学院,上海201620

出　　处：《轻工机械》

年　　份：2019

卷　　号：37

期　　号：2

起止页码：62-67

语　　种：中文

收录情况：CAS、CSA、CSA-PROQEUST、IC、INSPEC、RCCSE、ZGKJHX、普通刊

摘　　要：针对滚动轴承故障特征很难提取及传统故障诊断方法准确率偏低的问题,提出一种基于Dropout的改进卷积神经网络(Dropout-CNN)结构,可以无需预先提取滚动轴承振动信号的故障特征,直接端到端的实现滚动轴承故障诊断。该方法以振动信号为监测信号,使用傅里叶变换生成振动信号频谱图,以此作为整个系统的输入,利用卷积神经网络强大的特征提取能力可以自动完成故障特征提取以及故障识别。试验结果表明该方法平均诊断准确率高达99. 5%。该方法实现了大量样本下滚动轴承不同故障类型的故障特征自适应提取与故障状态的准确识别。

关 键 词：滚动轴承 故障诊断  DROPOUT 卷积神经网络 深度学习  振动信号 特征提取  

分 类 号：TH133.33] TP18]