噪声与振动控制

噪声与振动控制 ›› 2022, Vol. 42 ›› Issue (5): 108-115.

• 信号处理与故障诊断 • 上一篇    下一篇

基于浅层Inception-MobileNet旋转机械故障诊断

孙国栋1, 2，杨雄1，黄得龙1，高媛1   

  1. （ 1. 湖北工业大学机械工程学院，武汉430068；2. 湖北省包装装备工程技术研究中心，武汉430068 ）
  • 收稿日期:2021-07-27 修回日期:2021-10-12 出版日期:2022-10-18 发布日期:2022-10-18

Fault Diagnosis of Rotating Machinery Based on Shallow Inception-MobileNet

  • Received:2021-07-27 Revised:2021-10-12 Online:2022-10-18 Published:2022-10-18

PDF

摘要： 针对现有的旋转机械故障诊断算法存在着时频表示模糊、特征提取困难，从而导致故障诊断效率和精度低的问题，提出一种基于浅层Inception-MobileNet 的旋转机械故障诊断模型。该模型通过拼接法将原始振动信号转换为二维图像，然后采用多尺度卷积核提取不同分辨率的特征图，并结合深度可分离卷积实现特征学习与分类。该网络在CWRU数据集和MFPT数据集上分别实现了十种故障分类和三种故障分类，分类精度为99.5 %和95.78 %。与传统的网络进行比较，该网络可提高特征提取能力，并且在相同数据集上该网络实现的故障识别精度最高。

关键词: 故障诊断, 旋转机械, 浅层Inception-MobileNet, 卷积神经网络