振动与冲击2021，Vol.40Issue(10) ：95-102.DOI:10.13465/j.cnki.jvs.2021.10.013

基于多分支深度可分离卷积神经网络的滚动轴承故障诊断研究

Fault diagnosis of rolling bearings based on a multi branch depth separable convolutional neural network

刘恒畅 姚德臣 杨建伟 张骄
振动与冲击2021，Vol.40Issue(10) ：95-102.DOI:10.13465/j.cnki.jvs.2021.10.013
✕
  • NETL
  • NSTL
  • 维普
  • 万方数据

基于多分支深度可分离卷积神经网络的滚动轴承故障诊断研究

Fault diagnosis of rolling bearings based on a multi branch depth separable convolutional neural network

刘恒畅 1姚德臣 1杨建伟 1张骄2
扫码查看

作者信息

  • 1. 北京建筑大学 机电与车辆工程学院,北京 100044;北京建筑大学 城市轨道交通车辆服役性能保障北京市重点实验室,北京 100044
  • 2. 北京市地铁运营有限公司,北京 100044
  • 折叠

摘要

针对传统滚动轴承故障诊断方法存在抗噪性差、需要人工特征提取、计算量较大、对运行设备要求高的问题,提出一种基于多分支深度可分离卷积神经网络(MBDS-CNN)的滚动轴承故障诊断方法,利用深度可分离卷积和权重剪枝技术对模型尺寸进行压缩,通过多分支结构保证模型的精度,避免梯度消失现象的发生.使用模型尺寸、诊断精度、预测速度作为评价指标对模型进行评估.试验结果证明,基于多分支深度可分离卷积神经网络的滚动轴承故障诊断,可以在噪声环境下有效识别轴承不同部位故障程度,提高了诊断效率,降低了对运行设备性能的要求.

关键词

滚动轴承/故障程度/抗噪性/卷积神经网络(CNN)/故障诊断

引用本文复制引用

基金项目

国家自然科学基金(51605023)

国家自然科学基金(51975038)

北京市自然科学基金(L191005)

北京市教委科研计划一般项目(SQKM201810016015)

北京市属高校高水平教师队伍建设支持计划()

青年拔尖人才培育计划项目(CIT&TCD201904062)

青年拔尖人才培育计划项目(CIT&TCD201704052)

北京建筑大学市属高校基本科研业务费专项资金(X18133)

北京建筑大学市属高校基本科研业务费专项资金(X20071)

北京建筑大学研究生创新项目(PG2019092)

北京建筑大学科学研究基金(00331615015)

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15
参考文献量3
段落导航相关论文