现有轴承故障诊断方法存在不足:传统方法数学计算复杂,诊断效果不佳,且一般只诊断故障位置,难以诊断载荷及故障大小。现有的利用卷积神经网络的方法,使用传统卷积神经网络,一个网络只能输出一个属性,不能同时诊断多个属性,为了同时诊断故障位置、故障大小及载荷,首次提出了一种多属性卷积神经网络,并应用于轴承故障诊断,直接利用一维振动信号对多属性卷积神经网络进行训练。优势在于克服了传统方法的缺点:能获得故障属性任意组合的诊断结果,网络参数更少,方法简洁,泛化能力强,准确率高。采用西储大学的轴承数据,进行了一系列测试,表明本文方法能准确地诊断轴承故障的多个属性,准确率高,同时有很好的泛化能力。 |
Version History | ||||
---|---|---|---|---|
[V1] | 2017-12-26 10:10:14 | chinaXiv:201801.00001V1 | Download |
Related Paper |
---|