重庆理工大学学报（自然科学）

重庆理工大学学报（自然科学） ›› 2020, Vol. 34 ›› Issue (6): 102-110.doi: 10.3969/j.issn.1674-8425（Z）.2020.06.015

• 机械·材料 • 上一篇    下一篇

基于多尺度卷积策略CNN的滚动轴承故障诊断

张明德，卢建华，马婧华   

  1. 重庆理工大学 机械工程学院，重庆 ４０００５
  • 收稿日期:2019-09-10 发布日期:2020-07-08
  • 作者简介:张明德,男,博士,教授,主要从事复杂曲面零件智能化设计制造及检测研究,E-mail:zmd@cqut.edu.cn。
  • 基金资助:
    国家科技重大专项项目(2017ZX04011013)

  • Received:2019-09-10 Published:2020-07-08

PDF (PC)

490

赞

摘要： 针对一维卷积神经网络单一卷积拓扑结构在提取不同工况下的信号特征时缺乏自 适应性，难以处理复杂工况下的机械故障诊断问题，提出了一种基于多尺度卷积策略的卷积神 经网络（ＭＡＣＮＮ）故障诊断算法。首先将表征滚动轴承故障的一维振动信号输入模型，然后利 用卷积层中的多尺度卷积结构对原始信号进行卷积运算，实现不同角度的敏感特征提取，再通 过池化层进行特征信息的提炼和简化，最后利用全连接层实现检测结果输出。在公共数据 集———凯斯西储大学的轴承故障数据集上进行试验，结果表明：ＭＡＣＮＮ算法和其他算法相比拥 有更快的收敛速度和更高的识别准确率，为故障诊断提供了一种新的方法。同时，其在多工况 下表现出的优异泛化性能说明具备工业应用的可行性。

关键词: 故障诊断, 振动信号, 一维卷积神经网络, 多尺度卷积策略

中图分类号: 

  • TH165+.3