基于一维卷积神经网络的滚动轴承故障诊断

摘要

机械设备日趋复杂化、智能化造成实时监测系统的数据采集量剧增,依靠先验知识和专家经验的传统故障诊断方法在特征提取方面已显得力不从心,深度学习在特征提取和大数据处理方面有明显优势.采用深度学习方法,提出基于一维深度卷积神经网络的滚动轴承故障诊断方法.该方法利用滚动轴承的原始时域信号训练深度卷积网络,通过自适应提取故障特征完成轴承健康状况的智能诊断,摆脱了对大量信号处理技术与诊断经验的依赖.实验表明,利用该方法能实时、高精度识别滚动轴承在正常状态、内圈故障、外圈故障、滚珠故障四种状态及不同负载下的故障特征,具有较高的理论和现实价值.