一种卷积神经网络滚动轴承故障诊断模型

摘要：

针对滚动轴承在实际工作运行中工况多变、 故障复杂、 振动信号处理繁琐、 故障特征提取困难等问题,提出一种基于数据驱动的一维卷积神经网络故障诊断方法,应用于滚动轴承智能故障诊断,实现了复杂多工况条件下滚动轴承端对端的故障识别.具体流程为:首先,将滚动轴承各类故障的历史振动数据按一定的长度分割后和对应的故障标签放入所采用的卷积神经网络,迭代更新神经网络参数,训练完成后得到相应的模型;随后,将未知故障的振动数据输入到模型中,即可得到故障诊断结果.该方法具备工业实时性,适用于当前由数据驱动的"大数据工业时代".

关键词：数据驱动、神经网络、故障诊断、滚动轴承、深度学习、多工况

资助基金：重庆市人工智能技术创新重大主题专项重点研发项目cstc2017rgzn-zdyfX0009

在线出版日期：2019-10-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：159-163