Noise and Vibration Control ›› 2022, Vol. 42 ›› Issue (6): 111-118.

Previous Articles     Next Articles

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

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 )

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