文献类型：期刊文章

作　　者：刘炳集[1] 熊邦书[1] 欧巧凤[1] 陈新云[2]

LIU Bing-ji;XIONG Bang-shu;OU Qiao-feng;CHEN Xin-yun(Key Laboratory of Nondestructive Test（Ministry of Education）,Nauchang Hongkong University,Nanchang 330063,China;China Aviation Industry General Aircraft Co.,Ltd.,Zhuhai Guangdong 519040,China)

机构地区：[1]南昌航空大学图像处理与模式识别省重点实验室,南昌330063 [2]中航通飞研究院有限公司,广东珠海519040

出　　处：《南昌航空大学学报（自然科学版）》

基　　金：航空科学基金(2016ZD56008)

年　　份：2018

卷　　号：32

期　　号：2

起止页码：86-91

语　　种：中文

收录情况：CAS、普通刊

摘　　要：针对传统轴承故障诊断方法泛化能力差,提出了一种基于时频图和卷积神经网络(CNN)的滚动轴承故障诊断方法。首先,对振动信号进行短时傅里叶变换,构造时频图;然后,将训练信号的时频图作为卷积神经网络的输入,训练网络模型;最后,将测试信号的时频图输入网络模型,实现对滚动轴承的故障状态识别。通过美国凯斯西储大学的开放数据集进行多组验证实验,结果表明该方法能够有效的判断轴承是否存在故障,并且能够识别故障类型,准确率可以达到97.63%以上。

关 键 词：滚动轴承 时频图  卷积神经网络 故障诊断

分 类 号：TH165]