| 基于Dropout CNN的滚动轴承故障诊断研究 |
| |
| 引用本文： | 张文风,周俊.基于Dropout CNN的滚动轴承故障诊断研究[J].华南农业大学学报(社会科学版),2019,37(2):62-67. |
| |
| 作者姓名： | 张文风 周俊 |
| |
| 作者单位： | 上海工程技术大学 机械与汽车工程学院， 上海201620 |
| |
| 摘 要： | 针对滚动轴承故障特征很难提取及传统故障诊断方法准确率偏低的问题，提出一种基于Dropout的改进卷积神经网络(Dropout
CNN)结构，可以无需预先提取滚动轴承振动信号的故障特征，直接端到端的实现滚动轴承故障诊断。该方法以振动信号为监测信号，使用傅里叶变换生成振动
信号频谱图，以此作为整个系统的输入，利用卷积神经网络强大的特征提取能力可以自动完成故障特征提取以及故障识别。试验结果表明该方法平均诊断准确率
高达99.5%。该方法实现了大量样本下滚动轴承不同故障类型的故障特征自适应提取与故障状态的准确识别。
|
| 关 键 词： | 滚动轴承 故障诊断 Dropout 卷积神经网络 深度学习 振动信号 特征提取 |
Fault Diagnosis Method of Rolling Bearing Based on Dropout CNN |
| |
| ZHANG Wenfeng,ZHOU Jun.Fault Diagnosis Method of Rolling Bearing Based on Dropout CNN[J].Journal of South China Agricultural University:Social Science Edition,2019,37(2):62-67. |
| |
| Authors: | ZHANG Wenfeng ZHOU Jun |
| |
| Abstract: | |
| |
| Keywords: | |
|
| 点击此处可从《华南农业大学学报(社会科学版)》浏览原始摘要信息 |
| 点击此处可从《华南农业大学学报(社会科学版)》下载免费的PDF全文 |
