噪声与振动控制

噪声与振动控制 ›› 2022, Vol. 42 ›› Issue (6): 111-118.

• 信号处理与故障诊断 • 上一篇    下一篇

1DAMCNN方法在滚动轴承故障诊断中的应用

段浩明，王娆芬   

  1. （ 上海工程技术大学电子电气工程学院，上海201620 ）
  • 收稿日期:2021-10-13 修回日期:2021-12-14 出版日期:2022-12-18 发布日期:2022-12-18

Application of 1DAMCNN Method in Fault Diagnosis of Rolling Bearings

  • Received:2021-10-13 Revised:2021-12-14 Online:2022-12-18 Published:2022-12-18

PDF

摘要： 针对传统滚动轴承故障诊断方法中特征提取依赖人工经验、处理过程繁琐以及识别准确率较低的问题，提出一种端到端基于一维注意力混合卷积神经网络(One Dimensional Attention Mixed Convolution Neural Network，1DAMCNN)的轴承故障诊断方法。该方法首先引入空洞卷积，构造混合卷积用于增大特征提取的感受野范围，以获取更全面的特征信息。然后加入注意力机制，增强模型对关键特征信息的提取能力，实现对轴承故障的智能诊断。试验数据分析结果表明，相比其他故障诊断方法，固定负载工况下该方法自适应性强，准确率高达99 %以上。在只有60 个样本量的情况下，该故障诊断方法准确率超过88 %，表明其具有出色的特征提取能力。最后通过对比实验和可视化技术，验证所提方法的有效性。

关键词: 故障诊断, 特征提取, 卷积神经网络, 空洞卷积, 注意力机制