一种特征螺旋排列的卷积神经网络轴承故障诊断方法

摘要

随着大数据和人工智能时代的到来,卷积神经网络已经成为众多科学领域的研究热点之一.然而,卷积神经网络在信息传递时,或多或少会存在边缘信息的丢失与损耗问题.为此,本文采用基于相空间重构的奇异值分解方法对轴承振动信号进行分析,得到的奇异值作为评估轴承健康状况的特征,并将特征由内而外螺旋重构为二维矩阵作为卷积神经网络的输入,有效抵制了网络传递过程中边缘信息的丢失与损耗问题,达到了较高的诊断准确率.