一种基于卷积神经网络和峭度图的滚动轴承故障诊断方法
基本信息
| 申请号 | CN202111037695.7 | 申请日 | - |
| 公开（公告）号 | CN113962284A | 公开（公告）日 | 2022-01-21 |
| 申请公布号 | CN113962284A | 申请公布日 | 2022-01-21 |
| 分类号 | G06K9/62（2022.01）I;G06K9/00（2022.01）I;G06N3/04（2006.01）I;G06N3/08（2006.01）I;G01M13/04（2019.01）I;G01M13/045（2019.01）I | 分类 | 计算；推算；计数; |
| 发明人 | 陈乃超;曹晨艺;潘卫国;李洪川;王旭东 | 申请（专利权）人 | 甘肃中电投新能源发电有限责任公司 |
| 代理机构 | 南京禹为知识产权代理事务所（特殊普通合伙） | 代理人 | 刘小莉 |
| 地址 | 200090上海市杨浦区平凉路2103号 | ||
| 法律状态 | - | ||
摘要
| 摘要 | 本发明公开了一种基于卷积神经网络和峭度图的滚动轴承故障诊断方法，包括：采集不同工况下的滚动轴承振动信号数据；利用快速峭度图算法将滚动轴承一维振动信号转换为二维峭度图，划分训练集和测试集；将训练集输入到构建的ResNet50卷积神经网络模型中进行迭代学习训练，直到其收敛；将测试集输入训练后的ResNet50卷积神经网络模型，确定故障分类，评估诊断正确率，优化结构和参数，直到最佳并保存；采集新的滚动轴承轴承振动信号，并生成二维峭度图，将其输入到最佳ResNet50卷积神经网络模型，进行故障分类和识别。本发明利用频谱峰度分析从滚动轴承振动信号数据中提取特征，结合多层卷积神经网络对复杂的多维振动信号数据进行处理，提高了故障诊断分类正确率。 |
