重庆理工大学学报2022，Vol.36Issue(8) ：146-151.DOI:10.3969/j.issn.1674-8425(z).2022.08.017

多通道特征融合卷积神经网络的齿轮箱故障诊断

Gearbox fault diagnosis based on multi-channel feature fusion convolutional neural network

张名武 李舜酩 程龙欢
重庆理工大学学报2022，Vol.36Issue(8) ：146-151.DOI:10.3969/j.issn.1674-8425(z).2022.08.017
✕
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据

多通道特征融合卷积神经网络的齿轮箱故障诊断

Gearbox fault diagnosis based on multi-channel feature fusion convolutional neural network

张名武 1李舜酩 2程龙欢1
扫码查看

作者信息

  • 1. 南京航空航天大学能源与动力学院,南京 210016
  • 2. 南京航空航天大学能源与动力学院,南京 210016;南通理工学院汽车工程学院,江苏南通 226002
  • 折叠

摘要

针对一维数据的卷积神经网络故障诊断方法无法十分准确地识别齿轮箱故障类型的问题,提出一种二维振动信号的多通道特征融合卷积神经网络(MC-FFCNN)算法.采用格拉米角场将传感器获取的一维振动信号转换为二维矩阵,将矩阵中的数值作为像素值转换为灰度图从多个通道输入卷积神经网络,经过多个卷积层、池化层及增加的融合层,导出各通道的融合数据到全连接层.在试验中,通过对多个故障数据进行训练与测试,实现齿轮箱单一故障的诊断.将诊断结果与单通道的卷积神经网络诊断结果进行比较分析,结果显示:所提方法的故障诊断准确率更高.

关键词

多通道/卷积神经网络/格拉米角场/故障诊断

引用本文复制引用

基金项目

出版年

2022
重庆理工大学学报
重庆理工大学

重庆理工大学学报

CSTPCD北大核心
影响因子：0.567
ISSN：1674-8425
被引量1
参考文献量5
段落导航相关论文