多属性卷积神经网络及其在轴承故障诊断中的应用
Multi-attributes Convolution Neural Network and its Application to Bearing Quantitative Fault Diagnosis
-
作者：
单建华
安徽工业大学
吕钦
安徽工业大学
张神林
安徽工业大学
郑近德
安徽工业大学
王孝义
安徽工业大学
-
作者单位：
- 通讯作者：
单建华
-
提交时间：2017-12-26
摘要: 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。
版本历史
| [V1] |
2017-12-26 10:10:14 |
ChinaXiv:201801.00001V1
|
下载全文 |
相关信息
待评议
点击量
下载量
