矿业工程论文_基于卷积神经网络的轴承故障诊断

文章目录

1 卷积神经网络和AlexNet经典架构

1.1 卷积神经网络

1.2 AlexNet经典架构

2 摇臂轴承故障诊断的神经网络

2.1 1CNN基本结构

2.2 样本构造

2.3 1CNN故障诊断模型建立

3 模型训练与验证

3.1 模拟故障试验

3.2 1CNN模型诊断

4 结论

文章摘要:针对复杂工况下的采煤机摇臂轴承故障诊断,以经典AlexNet为基础,为适应一维时域信号,采用滑窗法,以滑窗长度150 ms,移动步长120 ms构建样本,建立一种由池化层和多级交替卷积层组成的轴承故障诊断模型1CNN,可完成原始输入信号特征的自适应提取,并通过全连接层分类识别轴承故障。为验证1CNN模型故障诊断率,利用机械综合故障试验台对MG650/1750-WD采煤机摇臂轴承6008-2Z内圈、外圈、滚子不同形态及大小的故障测试试验,得到振动信号的时域频谱。通过1CNN模型直接读取振动信号时域数据的故障识别试验,结果表明:1CNN模型算法识别准确率达到99.6%,是一种有效的采煤机截割系统轴承故障诊断技术。

文章关键词:

论文DOI:10.16452/j.cnki.sdkjzk.2021.06.014

论文分类号:TD632.1;TP183

文章来源：《机械科学与技术》 网址: http://www.jxkxyjs.cn/qikandaodu/2021/1206/742.html