摘要
针对传统滚动轴承故障诊断方式泛化能力较薄弱的问题,提出一种动态卷积胶囊网络(DC-CapNets)的滚动轴承诊断方法.首先,将一维振动信号进行预处理,划分训练集和测试集;然后,采用快速傅里叶变换(FFT)对训练集和测试集样本进行时频转换;模型使用两个动态卷积层和池化层对输入频域信号进行特征提取,并将特征信息传输到胶囊网络中,从而得到诊断结果;通过CWRU(西储大学)数据集验证表明,这种方法在噪声和变载荷工况下仍保持较高的故障诊断准确率,具有良好的抗噪性和泛化性,优于卷积神经网络(CNN)和深度神经网络(DNN).
基金项目
河南省重大科技专项(221100220100)
河南省科技研发计划联合基金(222103810030)
维普
万方数据