振动与冲击2021，Vol.40Issue(10) ：1-6.DOI:10.13465/j.cnki.jvs.2021.10.001

基于残差连接和1D-CNN的滚动轴承故障诊断研究

Rolling bearing fault diagnosis based on residual connection and 1D-CNN

赵敬娇 赵志宏 杨绍普
振动与冲击2021，Vol.40Issue(10) ：1-6.DOI:10.13465/j.cnki.jvs.2021.10.001
✕
  • NETL
  • NSTL
  • 维普
  • 万方数据

基于残差连接和1D-CNN的滚动轴承故障诊断研究

Rolling bearing fault diagnosis based on residual connection and 1D-CNN

赵敬娇 1赵志宏 2杨绍普2
扫码查看

作者信息

  • 1. 石家庄铁道大学 信息科学与技术学院,石家庄 050043
  • 2. 石家庄铁道大学 信息科学与技术学院,石家庄 050043;石家庄铁道大学 省部共建交通工程结构力学行为与系统安全国家重点实验室,石家庄 050043
  • 折叠

摘要

针对滚动轴承故障诊断人工提取特征困难、浅层诊断模型性能差的问题,提出一种基于残差连接的一维卷积神经网络(1D-CNN)的深层轴承故障诊断模型.将原始轴承振动信号输入网络中,利用具有残差连接的多个一维卷积层自动提取特征,残差连接能够在提取深层特征信息的同时将浅层提取的特征信息保留下来,与无残差连接的一维卷积网络相比能获得更丰富的轴承信号特征信息,并输入到Softmax层进行分类,输出轴承振动信号的故障类型.该研究通过不同残差网络结构模型的设计,验证具有残差连接的1D-CNN的网络模型在轴承故障诊断的有效性.试验结果表明,残差连接能有效提高轴承故障诊断的准确率.

关键词

一维卷积神经网络(1D-CNN)/残差连接/轴承故障诊断

引用本文复制引用

基金项目

国家自然科学基金(11972236)

国家自然科学基金(11790282)

出版年

2021
振动与冲击
中国振动工程学会 上海交通大学 上海市振动工程学会

振动与冲击

CSTPCDCSCD北大核心
影响因子：0.898
ISSN：1000-3835
被引量30
参考文献量9
段落导航相关论文