首页|一种采用SVD-Reformer的高精度滚动轴承故障诊断方法

一种采用SVD-Reformer的高精度滚动轴承故障诊断方法

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
引入Reformer对滚动轴承进行故障诊断时,存在精度和效率都很低的问题.针对上述问题,引入了奇异值分解(SVD)方法和全连接层网络对Reformer进行了改进处理,提出了一种高精度和高效率的SRFC新方法.首先,利用SVD对所输入长序列信号数据压缩成不同的小数据段,并进行消噪处理;其次,利用并行的Reformer对上述小数据段进行细节故障特征提取;再次,利用全连接层网络调整上述特征信息大小,并将其融合为一体;最后,将上述特征信息作为输入,利用另一种全连接层网络实现故障诊断.经过实测滚动轴承故障信号分析可知,所提SRFC新方法的精度高达96%,比原算法Reformer提高了12.94%,与Transformer相当;所提SRFC新方法的运行时间低至6.36 s,分别比原算法Reformer和Transformer降低了95.73%和96.93%.因此,所提SRFC新方法在精度和效率方面具有优越性.
A High-Precision Rolling Bearing Fault Diagnosis Method Using SVD Reformer

郑直、李显泽、张华钦、王志军、刘伟民

展开 >

华北理工大学 机械工程学院,河北 唐山 063210

华北电力大学 能源动力与机械工程学院,北京 102206

北京科技大学 机械工程学院,北京 100083

滚动轴承 Reformer 奇异值分解 全连接层网络

河北省自然科学基金河北省高层次人才项目唐山市科技创新团队培养计划河北省科技重大专项项目

E2022209086B202000303321130208D22282203Z

2024

10.3969/j.issn.1009-0134.2024.09.006

制造业自动化
北京机械工业自动化研究所

制造业自动化

CSTPCD
影响因子：0.482
ISSN：1009-0134
年,卷(期)：2024.46(9)