基于MSCNN与STFT的滚动轴承故障诊断研究
邢蓉1
高丙朋1
侯培浩2
朱俊栋3
1.新疆大学 电气工程学院,新疆 乌鲁木齐 8300472.石家庄海山实业发展总公司,河北 石家庄 0500003.国网河北省电力有限公司,河北 石家庄 050000
摘要：针对现有基于CNN(Convolution Neural Network)的滚动轴承故障诊断方法难以有效挖掘和利用数据中包含的多尺度信息问题,提出了一种多尺度卷积特征融合的滚动轴承故障诊断方法.加入上采样层,通过递归方式建立具有多尺度特征提取和融合能力的卷积神经网络MSCNN(Multi-Scale Convolution Neural Network)结构,提升模型对输入信号的理解能力.利用美国凯斯西储大学(CWRU)数据库对所提方法的有效性进行验证,采用短时傅里叶变换对滚动轴承信号进行频谱分析,将频谱样本输入到MSCNN网络中,数据分析表明,该方法能有效地提升故障的诊断精度.
关键词：故障诊断滚动轴承多尺度卷积神经网络短时傅里叶变换
论文发表日期：2020-07-15
在线出版日期：2026-09-12（本平台首次上网日期，不代表文献的发表时间）
页数：6( 41-45,58 )
英文信息