《机电工程》杂志,月刊( 详细... )

中国标准连续出版物号 ISSN 1001-4551 CN 33-1088/TH
主办单位浙江省机电集团有限公司
浙江大学
主编赵 群
副 主 编唐任仲、罗向阳(执行主编)
总 经 理罗向阳
出 版浙江《机电工程》杂志社有限公司
地 址杭州市上城区延安路95号浙江省机电集团大楼二楼211、212室
电话Tel+86-571-87041360、87239525
E-mailmeem_contribute@163.com
国外发行中国国际图书贸易总公司
订阅全国各地邮局   国外代号M3135
国内发行浙江省报刊发行局
邮发代号32-68
广告发布登记证:杭上市管广发G-001号

在线杂志

当前位置: 机电工程 >>在线杂志

基于卷积孪生神经网络的滚动轴承故障定位方法

作者:刘岱,常东润,孙习习,等. 日期:2022-05-19/span> 浏览:591 查看PDF文档

基于卷积孪生神经网络的滚动
轴承故障定位方法*
刘岱1,常东润2,孙习习2,陈斌2

(1.中国民航大学 安全科学与工程学院,天津 300300;
2.中国民航大学 电子信息与自动化学院,天津 300300)


摘要:在不同设备及不同工况的条件下,滚动轴承的振动数据分布存在差异,采用传统的深度学习模型难以应对数据集分布不一致的状况,针对这一问题,提出了一种基于卷积孪生神经网络的轴承故障定位方法。首先,选择孪生网络作为基本框架,对预处理后的设备数据进行了扩充,使之达到了数据增强的目的;然后,选择随机池化-ELU-CNN(SE-CNN)模型作为特征提取器,对设备运行数据进行了深度特征提取,利用反向传播算法更新模型参数,使模型的特征提取性能和分类性能达到了最优;最后,利用训练好的网络模型,通过集合两种数据集的混合数据集进行了实验,得到了滚动轴承的故障定位结果。研究结果表明:采用基于卷积孪生神经网络的轴承故障定位方法,其故障定位的各项评价指标均在95%以上,且其综合数据指标达到0.9863;与其他先进方法相比,在跨设备多工况下,该模型的故障定位准确度提高0.0246;模型能有效适应数据分布的差异性,且具备良好的泛化性能。

关键词:滚动轴承;故障定位方法;深度学习;卷积孪生神经网络


本文引用格式:

刘岱,常东润,孙习习,等.基于卷积孪生神经网络的滚动轴承故障定位方法[J].机电工程,2022,39(3):309-316.

LIU Dai, CHANG Dong-run, SUN Xi-xi, et al. Fault location method of rolling bearing based on convolution twin neural network[J].Journal of Mechanical & Electrical Engineering, 2022,39(3):309-316.



友情链接

浙江机械信息网