基于小波时频图和CNN的滚动轴承智能故障诊断方法

发布时间：2018-08-14 18:20

【摘要】：提出一种基于小波时频图和卷积神经网络(CNN)的滚动轴承智能故障诊断方法。对滚动轴承的振动信号进行连续小波变换(CWT),得到时频图,并以灰度图的形式显示,再将时频图压缩至适当的大小;将压缩后的时频图作为特征图输入,建立CNN分类器模型,以实现滚动轴承的智能故障诊断。基于人工轴承故障数据集进行了实验研究,同时从结构参数和训练参数两方面对网络的性能进行了优化改进。结果表明,该方法能有效识别滚动轴承的故障类型,改进的CNN具有较强的泛化能力、特征提取和识别能力。
[Abstract]:An intelligent fault diagnosis method for rolling bearing based on wavelet time-frequency map and convolution neural network (CNN) is proposed. The vibration signal of rolling bearing is processed by continuous wavelet transform (CWT), and the time-frequency map is obtained. The time-frequency map is displayed in the form of gray scale map, and then compressed to a suitable size. NN classifier model is used to realize intelligent fault diagnosis of rolling bearings. An experimental study is carried out based on artificial bearing fault data set, and the performance of the network is optimized from two aspects of structure parameters and training parameters. The results show that the method can effectively identify the fault types of rolling bearings, and the improved CNN has strong generalization. Ability, feature extraction and recognition ability.
【作者单位】： 解放军理工大学野战工程学院;
【基金】：国家自然科学基金资助项目(51175511)
【分类号】：TH133.33

【相似文献】

相关期刊论文 前10条

1 王耀才;智能故障诊断技术的现状与展望[J];徐州建筑职业技术学院学报;2003年01期

2 王庆,巴德纯,王晓冬;智能故障诊断的粗糙决策模型[J];东北大学学报;2005年01期

3 潘兵;熊静琪;;多传感器信息融合在液压系统智能故障诊断中的应用[J];机床与液压;2006年05期

4 曹守启;韩彦岭;;智能故障诊断决策模型与评价方法研究[J];机床与液压;2008年08期

5 陆胜;刘锬;;基于知识的智能故障诊断方法和过程实现[J];机床与液压;2009年01期

6 雷亚国;何正嘉;;混合智能故障诊断与预示技术的应用进展[J];振动与冲击;2011年09期

7 赵廷弟,常文兵;基于可靠性方法的智能故障诊断模型[J];航空学报;1995年S1期

8 张培先,董泽,刘吉臻;智能故障诊断技术的发展及应用[J];山西电力;2001年03期

9 吴吉平,郝喜海,胡京明;包装机械智能故障诊断技术[J];中国包装工业;2002年06期

10 姜万录;程晓盛;陈东宁;;远程智能故障诊断技术的现状与展望[J];机床与液压;2006年03期

相关会议论文 前10条

1 李广峰;张伏龙;;装甲装备智能故障诊断技术研究[A];2010中国仪器仪表与测控技术大会论文集[C];2010年

2 马哲一;赵静一;李鹏飞;王庆新;;高速铁路运架提设备远程智能故障诊断技术研究[A];第五届全国流体传动与控制学术会议暨2008年中国航空学会液压与气动学术会议论文集[C];2008年

3 赵荣珍;李超;张力;;知识技术向旋转机械智能故障诊断研究提出的一项新任务[A];2008年全国振动工程及应用学术会议暨第十一届全国设备故障诊断学术会议论文集[C];2008年

4 徐冬芳;邓飞其;;基于多传感器数据融合的智能故障诊断系统[A];第二届全国信息获取与处理学术会议论文集[C];2004年

5 罗贺;付超;季星;;基于DS证据理论的智能故障诊断方法[A];中国仪器仪表学会第九届青年学术会议论文集[C];2007年

6 崔民;杜志江;路同浚;;机器人化遥控铲掘机现场CAN总线智能故障诊断技术研究[A];2001系统仿真技术及其应用学术会议论文集[C];2001年

7 吕蓬;柳亦兵;马强;魏于凡;;支持向量机在齿轮智能故障诊断中的应用研究[A];第二十六届中国控制会议论文集[C];2007年

8 曹波伟;薛青;牛金涛;龚长虹;刘磊;;基于神经网络和专家系统的装备智能故障诊断的研究[A];中国自动化学会控制理论专业委员会C卷[C];2011年

9 张周锁;侯照文;孙闯;何正嘉;;基于粒计算的混合智能故障诊断技术及应用[A];第十二届全国设备故障诊断学术会议论文集[C];2010年

10 夏飞;权亚蕾;彭道刚;;基于数据融合的电厂凝汽器智能故障诊断研究[A];智能化电站技术发展研讨暨电站自动化2013年会论文集[C];2013年

相关博士学位论文 前8条

1 刘晓颖;复杂过程的智能故障诊断技术及其在大型工业窑炉中的应用研究[D];中南大学;2003年

2 武和雷;集成智能故障诊断策略及其应用研究[D];浙江大学;2003年

3 马笑潇;智能故障诊断中的机器学习新理论及其应用研究[D];重庆大学;2002年

4 彭强;复杂系统远程智能故障诊断技术研究[D];南京理工大学;2004年

5 熊伟;基于Petri网的远程智能故障诊断方法研究[D];华北电力大学;2014年

6 张铮;不完备不协调信息条件下的设备智能故障诊断[D];华中科技大学;2007年

7 许瑞华;高功率激光装置参数测量系统智能故障诊断技术研究[D];中国科学院研究生院（西安光学精密机械研究所）;2014年

8 秦大力;基于知识管理的设备故障智能诊断模型研究[D];湖南大学;2014年

相关硕士学位论文 前10条

1 宋胜博;基于敏感部件检测的APU智能故障诊断方法研究[D];中国民航大学;2016年

2 王纬宇;基于CEEMD和纹理特征的旋转机械智能故障诊断方法[D];哈尔滨理工大学;2016年

3 龙杰;电力电子智能故障诊断方法研究[D];西华大学;2015年

4 郧刚;基于异常数据的智能故障诊断探究[D];厦门大学;2007年

5 花伟;锅炉混合智能故障诊断技术的研究[D];南京工业大学;2006年

6 高洪波;智能故障诊断中综合信号处理的研究[D];西北工业大学;2004年

7 夏博;选煤厂设备智能故障诊断方法的研究与应用[D];华中科技大学;2012年

8 沈维兵;远程智能故障诊断技术与系统研究[D];南京理工大学;2003年

9 李中伟;智能故障诊断技术在遥测装备中的应用研究[D];哈尔滨工程大学;2013年

10 陈励华;智能故障诊断技术的应用与研究[D];西北工业大学;2005年

，

本文编号：2183717