基于卷积神经网络和离散小波变换的滚动轴承故障诊断

doi:10.16385/j.cnki.issn.1004-4523.2018.05.019

	基于卷积神经网络和离散小波变换的滚动轴承故障诊断
	陈仁祥 1,2; 黄鑫 1; 杨黎霞 3; 汤宝平 2; 余腾伟 1; 周君 1
	2018-10-15
发表期刊	振动工程学报
ISSN	1004-4523
卷号	31 期号:05 页码:883-891
摘要	针对滚动轴承故障诊断时频特征自适应提取与智能诊断问题,提出了一种基于卷积神经网络(Convolution Neural Network,CNN)和离散小波变换(Discrete Wavelet Transform,DWT)的滚动轴承故障诊断方法。首先应用离散小波变换将信号时频特征充分展现,构造出时频矩阵;然后再利用卷积神经网络的多层特征提取网络对输入信号进行分级表达,将时频矩阵低层信号特征逐层变换形成抽象的深层特征,以获取原信号时频信息的分布式特征表达。最后在特征输出层后端添加softmax多分类器,利用反向传播(Backpropagation,BP)逐层微调结构参数,建立特征空间到故障空间的映射以生成合适的分类器,从而实现滚动轴承故障诊断。通过对不同故障类型、不同损伤程度以及不同工况下的滚动轴承进行故障诊断实验,结果证明了所提方法的可行性与有效性,并具有较好的泛化能力和稳健性。
关键词	故障诊断滚动轴承卷积神经网络离散小波变换自适应提取
DOI	10.16385/j.cnki.issn.1004-4523.2018.05.019
URL	查看原文
收录类别	北大核心 ; CSCD
语种	中文
资助项目	机械传动国家重点实验室开放基金资助项目(SKLMT-KFKT-201710);国家自然科学基金资助项目(51305471,51775065);中国博士后科学基金资助项目(2014M560719);重庆市留学人员回国创业创新支持计划创新项目(CX2017076,CX2018116);重庆市技术创新与应用示范(社会民生类一般)项目(cstc2018jscx-msyb0982);重庆市研究生教育创新基金资助项目(CYS18224);城市轨道交通车辆系统集成与控制重庆市重点实验室开放课题基金资助项目(CKLURTSIC-KFKT-201809)
原始文献类型	学术期刊
文献类型	期刊论文
条目标识符	http://ir.library.ouchn.edu.cn/handle/39V7QQFX/53748
专题	国家开放大学重庆分部
通讯作者	汤宝平
作者单位	1.重庆交通大学机电与车辆工程学院; 2.重庆大学机械传动国家重点实验室; 3.重庆广播电视大学
推荐引用方式 GB/T 7714	陈仁祥,黄鑫,杨黎霞,等. 基于卷积神经网络和离散小波变换的滚动轴承故障诊断[J]. 振动工程学报,2018,31(05):883-891.
APA	陈仁祥,黄鑫,杨黎霞,汤宝平,余腾伟,&周君.(2018).基于卷积神经网络和离散小波变换的滚动轴承故障诊断.振动工程学报,31(05),883-891.
MLA	陈仁祥,et al."基于卷积神经网络和离散小波变换的滚动轴承故障诊断".振动工程学报 31.05(2018):883-891.