基于多噪声数据训练CNN的自动倾斜器滚动轴承故障诊断 |
| |
引用本文: | 万齐杨,熊邦书,李新民,孙伟,廖峰.基于多噪声数据训练CNN的自动倾斜器滚动轴承故障诊断[J].南昌航空工业学院学报,2019(2). |
| |
作者姓名: | 万齐杨 熊邦书 李新民 孙伟 廖峰 |
| |
作者单位: | 南昌航空大学图像处理与模式识别省重点实验室;中国直升机设计研究所直升机旋翼动力学重点实验室;中航工业洪都飞机设计研究所 |
| |
摘 要: | 针对传统卷积神经网络(Convolutional Neural Network,CNN)在直升机自动倾斜器滚动轴承噪声环境下诊断效果不佳的问题,提出一种基于多噪声数据训练CNN的自动倾斜器滚动轴承故障诊断方法。该方法首先在原始振动信号中随机添加不同大小的高斯白噪声,然后利用小波变换方法构造不同噪声下的时频图,最后利用CNN对不同噪声下的时频图进行故障分类。利用课题组和美国凯斯西储大学的公开轴承数据集开展真实诊断实验,结果表明,与传统CNN相比,极大地提高了在噪声环境下的故障识别率。
|
本文献已被 CNKI 等数据库收录! |
|