机械设计与研究

机械设计与研究 ›› 2017, Vol. 33 ›› Issue (02): 93-97.doi: 10.13952/j.cnki.jofmdr.a4238

• 论文 • 上一篇    下一篇

基于小波时频图和CNN的滚动轴承智能故障诊断方法

袁建虎;韩涛;唐建;安立周;   

  1. 解放军理工大学野战工程学院;
  • 发布日期:2020-07-26

  • Published:2020-07-26

摘要： 提出一种基于小波时频图和卷积神经网络(CNN)的滚动轴承智能故障诊断方法。对滚动轴承的振动信号进行连续小波变换(CWT),得到时频图,并以灰度图的形式显示,再将时频图压缩至适当的大小;将压缩后的时频图作为特征图输入,建立CNN分类器模型,以实现滚动轴承的智能故障诊断。基于人工轴承故障数据集进行了实验研究,同时从结构参数和训练参数两方面对网络的性能进行了优化改进。结果表明,该方法能有效识别滚动轴承的故障类型,改进的CNN具有较强的泛化能力、特征提取和识别能力。

关键词: 滚动轴承, 智能故障诊断, 连续小波变换, 小波时频图, 卷积神经网络

Key words: rolling bearing, intelligent fault diagnosis, continuous wavelet transform(CWT), wavelet time-frequency representations, convolution neural network(CNN)