基于FFT和全连接层特征提取的轴承故障诊断

摘要：

传统的轴承故障诊断方法非常依赖于研究者的特征提取经验和分类器的参数选择.卷积神经网络存在训练时间长和诊断精度低的问题无法满足高精度设备管理要求.为了提高诊断精度并降低训练时间,本文提出一种有效的轴承故障检测方法.该方法基于FFT和全连接层提取的故障特征能够有效帮助SVM分类器进行分类.凯斯西储大学的开源轴承数据被应用于检测该方法的有效性.该方法可以准确对不同轴承工作状态进行分类,并具有一定程度的鲁棒性.当全部测试集被加入噪音后,依然能够得到99％以上的诊断准确率.实验结果表明与传统方法相比,该方法不但能够提高分类准确精度以达到高精度设备的要求,并且能够大幅降低模型训练时间.

关键词：故障诊断、滚动轴承、PHM、全连接层、SVM

所属期刊栏目：48

分类号：TM464(变压器、变流器及电抗器)

资助基金：National Natural Science Foundation of China;High Education Technology Research Project of Hebei Province;Foundatmentation Application Plan Research Project of Tangshan;河北省高等教育技术研究项目;唐山市应用基础计划研究项目

在线出版日期：2021-03-19（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：188-196