基于分支卷积神经网络的托辊轴承故障分级诊断研究

作     者：陈维望 李军霞 张伟 CHEN Wei-wang;LI Jun-xia;ZHANG Wei

作者机构：太原理工大学机械与运载工程学院山西太原030024 矿山流体控制国家地方联合工程实验室山西太原030024 

基　　金：国家自然科学基金资助项目(52174147) 中央引导地方科技发展资金项目(YDZJSX2021A023) 晋中市科技重点研发计划资助项目(Y211017) 

出 版 物：《机电工程》 (Journal of Mechanical & Electrical Engineering)

年 卷 期：2022年第39卷第5期

页      码：596-603页

摘      要：在对矿山机械装备中使用的轴承进行故障诊断时,易受噪声干扰及多变工况的影响,同时也难以适应不同诊断任务,针对这一系列问题,提出了一种基于分支卷积神经网络(B-CNN)的托辊轴承故障分级诊断方法。首先,根据具体的诊断任务故障的层级结构进行了划分,采用多层标签表示健康状态、故障类型和损伤程度;通过交替卷积和池化层,构建了一维卷积神经网络(1DCNN)特征提取块;然后,将层级结构和特征提取块融合,设计出了一种基于分支一维卷积神经网络(B-1DCNN)的轴承故障分级诊断模型;最后,使用美国凯斯西储大学轴承数据和自建的带式输送机托辊故障模拟实验台数据,对托辊轴承故障进行了模拟实验,对该方法在噪声干扰和多变工况下的诊断性能进行了验证。研究结果表明:该方法成功实现了对托辊轴承故障从粗到精的分级诊断,对噪声干扰和变工况具有较好的鲁棒性,且与支持向量机(SVM)和反向传播神经网络(BPNN)模型相比,该方法的故障诊断性能更好。

主 题 词：矿山机械 滚动轴承 一维卷积神经网络 带式输送机 分支卷积神经网络 层级结构 变工况 

学科分类：08[工学] 080203[080203] 0802[工学-机械学] 080201[080201] 

D　O　I：10.3969/j.issn.1001-4551.2022.05.004

馆 藏 号：203111707...