• 全部
主办单位:煤炭科学研究总院有限公司、中国煤炭学会学术期刊工作委员会
基于多源信号融合和SE-CNN的滚动轴承故障诊断方法
  • 作者

    杨冠雄陈曦晖余红坤

  • 单位

    河海大学机电工程学院

  • 摘要
    针对传统轴承故障诊断方法存在对故障特征不敏感、特征提取不充分以及易受外界环境干扰等问题,提出了一种基于多源信号融合的滚动轴承故障诊断方法。首先为降低单通道信号中的异常值干扰,对多源传感器采集到的原始振动信号开展基于多通道特征信息的数据层融合,实现类内故障特征信息互补;然后构建引入SE注意力机制的卷积神经网络(CNN)故障诊断模型,对无效特征信息进行过滤,增强特征提取表征能力,实现滚动轴承故障的精准识别;最后搭建多工况模拟实验台开展了不同干扰工况下的验证。实验结果表明,该方法的平均准确率可达98%以上,在不同程度的干扰工况下均能实现准确的轴承故障类型识别,具有较高的泛化能力。
  • 关键词

    故障诊断CNN信号融合SE注意力机制

  • 基金项目(Foundation)
    国家自然科学基金(51905147);江苏省研究生实践创新计划(SJCX22_0166);
  • 文章目录
    0 引言
    1 SE-CNN模型建立
    (1)多源信号融合
    (2)SE-CNN
    2 实验平台搭建与数据采集
    3 实验结果分析
    4 结语
  • 相关文章
相关问题

主办单位:煤炭科学研究总院有限公司 中国煤炭学会学术期刊工作委员会

©版权所有2015 煤炭科学研究总院有限公司 地址:北京市朝阳区和平里青年沟东路煤炭大厦 邮编:100013
京ICP备05086979号-16  技术支持:云智互联