基于GAF-MCNN的轴承智能故障诊断方法研究

作     者：张超 房颖涛 冯建睿 杨柯 何世烈 董志杰 Zhang Chao;Fang Yingtao;Feng Jianrui;Yang Ke;He Shilie;Dong Zhijie

作者机构：西北工业大学航空学院西安710072 飞行器基础布局全国重点实验室西安710072 中国人民解放军77110部队德阳618000 宁夏回族自治区中卫市人民政府办公室中卫755099 中国运载火箭技术研究院北京100076 工业和信息化部电子第五研究所广州510510 中国电子信息产业集团有限公司第六研究所北京100083 

基　　金：国家级重点科研项目(JSZL2022607B002,JSZL202160113001,JCKY2021608B018) 国家重点研发计划项目(2023YFF0719100) 工业和信息化部项目(CEIEC-2022-ZM02-0249)资助 

出 版 物：《国外电子测量技术》 (Foreign Electronic Measurement Technology)

年 卷 期：2024年第43卷第9期

页      码：161-172页

摘      要：针对轴承微小故障信号非平稳非线性且易受背景噪声干扰的特点,提出了一种基于格拉姆角场和多尺度卷积神经网络(Gramian angular field and multi-scale convolutional neural network,GAF-MCNN)的智能故障诊断方法。首先,利用分段聚合近似算法对原始振动信号进行压缩降维预处理,以减少数据存储空间和提升计算效率;然后,利用格拉姆角场算法将一维序列信号转换为二维矩阵热图,二维化后的矩阵加强了原始振动信号间的时间关系,将时间维度编码到了矩阵结构中;最后,设计了基于多尺度卷积神经网络对故障进行高效快速智能诊断。实验结果表明,GAF-MCNN诊断方法不仅克服了传统卷积神经网络诊断方法存在的计算效率较低的问题,而且诊断准确率优于单尺度卷积神经网络方法,具有较强的工程实用性。

主 题 词：分段聚合近似 格拉姆角场 卷积神经网络 故障诊断 

学科分类：12[管理学] 1201[管理学-管理科学与工程类] 080901[080901] 0809[工学-计算机类] 081104[081104] 08[工学] 0835[0835] 0811[工学-水利类] 0812[工学-测绘类] 

D　O　I：10.19652/j.cnki.femt.2406230

馆 藏 号：203149093...