噪声与振动控制

噪声与振动控制 ›› 2024, Vol. 44 ›› Issue (2): 156-163.

• 信号处理与故障诊断 • 上一篇    下一篇

卷积神经网络与知识图谱结合的轴承故障诊断

李志博，李媛媛，蔡寅   

  1. （ 上海工程技术大学电子电气工程学院，上海201620 ）
  • 收稿日期:2022-09-06 修回日期:2022-12-19 出版日期:2024-04-18 发布日期:2024-04-08

Bearing Fault Diagnosis Based on Convolution Neural Network and Knowledge Graph

  • Received:2022-09-06 Revised:2022-12-19 Online:2024-04-18 Published:2024-04-08

PDF

摘要： 针对目前旋转机械故障诊断时，存在单一地利用振动数据、诊断结果模糊的问题，提出一种卷积神经网络( Convolutional Neural Network，CNN )与知识图谱结合的故障诊断方法。该方法以原始轴承数据和机理知识作为输入，然后进行实体抽取和数据标注，利用本文提出的端到端多尺度注意力机制神经网络模型进行故障诊断，最终构建知识图谱，实现故障信息的详细展示，进行辅助诊断。利用两份数据集进行实验验证，采用全新的数据处理方法，结果表明，所提出的算法在160 种故障类型中加权F1 值相比基准模型提高11.03 %，并且利用传统故障诊断实验和其他算法对比充分证明本文提出的模型具有较强的稳定性和泛化性能.

关键词: 故障诊断, 卷积神经网络, 知识图谱, 轴承