随着大数据时代的到来与人工智能的发展,故障诊断也朝着智能化方向发展.针对滚动轴承的故障诊断,提出基于短时倒频谱变换与卷积神经网络的故障诊断方法.首先,对实验采集到的滚动轴承原始信号进行短时倒频谱变换,得到二维的倒频谱,按照故障尺寸划分为不同标签的训练集和测试集,且每组数据集包含3种转速;然后,采用正交实验选取卷积神经网络最优训练参数,建立卷积神经网络模型对训练集进行训练;最后,利用训练好的卷积神经网络对测试集进行测试.结果表明,短时倒频谱变换作为卷积神经网络的输入,能够保留原始信号特征信息并预提取故障特征;基于短时倒频谱变化的卷积神经网络对轴承故障的测试准确率在一种转速和多种转速混合情况下,均可达到100％.
国家科技期刊平台
NSTL
万方数据
维普
