基于多通道时频域信号的卷积神经网络智能故障诊断技术

摘要：

在滚动轴承故障诊断中,算法难以学习所有负载下的健康状态特征,为有效诊断滚动轴承在变负载下的健康状态,算法需要较强的负载域适应能力.针对上述问题,提出了基于多通道时频域信号的卷积神经网络算法.不同的小波提取不同的特征,算法采用多种小波可以提供多样的健康状态特征.并且全局最大池化替换每一空洞卷积之后的最大池化,从全局范围内提取最大激活.因此,算法只需在源域下训练,即可在目标域下得到良好的诊断效果.为验证该算法的有效性,利用公共数据集进行实验.实验结果表明,该算法在不同负载下的分类精度较其他算法有明显提高,从而可以有效识别滚动轴承的健康状态.

关键词：负载域适应能力;空洞卷积;全局最大池化;多通道时频域信号

所属期刊栏目：21

分类号：TP391.9(计算技术、计算机技术)

资助基金：中国科学院战略性先导科技专项C类;工信部智能制造综合标准化与新模式应用项目;中国科学院STS项目

在线出版日期：2021-10-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：6386-6393