卷积深度森林滚动轴承故障诊断方法
顾辉1
邵星2
王翠香2
皋军2
1.盐城工学院 信息工程学院,盐城 224051;盐城工学院 机械工程学院,盐城 2240512.盐城工学院 信息工程学院,盐城 224051
摘要：针对滚动轴承振动信号非线性、样本量少、传统机器学习诊断算法需要专家经验等问题,提出了一种卷积深度森林(Convolutional Deep Forest,CDF)的故障诊断方法.首先对一维振动信号进行归一化和转图片预处理,接着利用卷积神经网络对图片训练,完成端到端的特征提取,然后使用级联森林对特征进行分析并分类,最后在轴承数据集上验证了CDF的有效性.试验结果表明,CDF针对4种负载下的大小样本数据均能取得较高的准确率,基于二维信号转图片的卷积神经网络和CDF的准确率均高于一维,证明了基于信号转图片数据预处理操作的有效性.
关键词：故障诊断滚动轴承深度森林卷积神经网络
分类号：TH133.33(机械零件及传动装置)TP212(自动化技术及设备)TH212.3(起重机械与运输机械)
论文发表日期：2024-12-15
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：8( 1279-1286 )
英文信息