首页|MDCNet轴承智能故障诊断方法研究

MDCNet轴承智能故障诊断方法研究

Intelligent Fault Diagnosis Method of Bearing Based on MDCNet

扫码查看
原文链接
  • NETL
  • NSTL
  • 维普
  • 万方数据
目的 为解决轴承故障特征时频图像难以识别的问题,在进行时频图像训练和学习故障特征的基础上,提出新的故障诊断方法.方法 本文提出一种MDCNet网络,该网络由多尺寸卷积核模块(Multi-Size Convolution Kernel Module)、双通道池化层(Dual-Channel Pooling Layer)和跨阶段部分网络(Cross Stage Partial Network)组成.首先,将采集的振动信号经过同步压缩变换,得到信号的瞬时频率图像,然后输入神经网络获得故障诊断结果.结果 将提出的方法在西储大学轴承数据集进行预测,准确率达到了99.9％.与AlexNet、VGG–16、Resnet等传统方法进行对比试验,结果表明MDCNet方法分类精度可达99.9％,高于传统方法的分类精度(95.70％、98.51％、97.64％).结论 结果表明,本文所提出方法的预测准确率高于其他方法的,验证了该方法在包装机械故障诊断中是可行的.

方群玲、马智宇、张锐、陈创、张晏晴

展开 >

中北大学 机械工程学院,太原 030051

故障诊断 神经网络 机器学习 瞬时频率 MDCNet

国家自然科学基金

51305409

2023

10.19554/j.cnki.1001-3563.2023.09.027

包装工程
中国兵器工业第五九研究所

包装工程

北大核心
影响因子：1.097
ISSN：1001-3563
年,卷(期)：2023.44(9)
  • 3