Noise and Vibration Control ›› 2022, Vol. 42 ›› Issue (5): 108-115.

Previous Articles     Next Articles

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

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 )

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