收藏本站
收藏 | 投稿 | 手机打开
二维码
手机客户端打开本文

基于WPD-CNN二维时频图像的滚动轴承故障诊断

陈里里  付志超  凌静  董绍江  
【摘要】:滚动轴承故障诊断是现代工业发展中的重要技术。针对滚动轴承信号特征提取与智能诊断问题,提出了一种基于WPD-CNN二维时频图像的滚动轴承故障诊断方法。首先通过小波包分解(WPD)将信号转换为二维时频图像;其次将时频图像输入VGG19卷积神经网络(CNN)模型自动提取有效特征,并输入Softmax分类器进行训练;最后使用训练好的分类器完成滚动轴承故障诊断任务。实验结果表明,10类故障数据的识别准确率均在98.3%左右,高于其他深度学习和传统方法,因此所提出的故障诊断模型能有效地进行滚动轴承复杂信号的特征提取以及分类任务。

知网文化
【相似文献】
中国期刊全文数据库 前18条
1 熊星;孔凡让;张海滨;李昌林;朱丕亮;;基于WPD-HHT的滚动轴承故障诊断[J];机械与电子;2014年01期
2 刘炳集;熊邦书;欧巧凤;陈新云;;基于时频图和CNN的滚动轴承故障诊断[J];南昌航空大学学报(自然科学版);2018年02期
3 张智胜;张云鹏;刘青;;支持向量机和小波包分析下的轴承故障诊断[J];机械设计与制造;2017年03期
4 黄中华;尹泽勇;刘少军;丁文强;;基于小波包分解的滚动轴承故障诊断[J];湖南科技大学学报(自然科学版);2008年02期
5 熊剑;邓松;时大方;;基于改进残差网络的滚动轴承故障诊断[J];轴承;2020年11期
6 柴保明;吴治南;赵志强;董强强;陈景礼;;基于小波包与概率神经网络相结合的滚动轴承故障诊断[J];煤矿机械;2014年12期
7 杨江天,陈家骥,曾子平;基于1 1/2维谱的滚动轴承故障诊断[J];机械强度;1999年04期
8 乔世民;轴承故障诊断技术的发展[J];中国设备管理;1989年01期
9 沙美妤;刘利国;;基于振动信号的轴承故障诊断技术综述[J];轴承;2015年09期
10 唐波;陈慎慎;;基于深度卷积神经网络的轴承故障诊断方法[J];电子测量与仪器学报;2020年03期
11 王名月;缪炳荣;袁成标;;基于小波包分解与局部均值分解排列熵的自适应轴承故障诊断[J];装备机械;2017年02期
12 龚廷恺;;基于改进l_1趋势滤波的滚动轴承故障诊断[J];南昌航空大学学报(自然科学版);2017年04期
13 张雨;彭志召;张进秋;毕占东;周晓;;基于虚拟仪器的滚动轴承故障诊断[J];轴承;2010年07期
14 苏明辉;薛光辉;赵国瑞;张明;;渣浆泵轴承故障诊断系统设计与应用[J];煤炭工程;2009年02期
15 袁洪芳;姜宇萱;王华庆;;基于词袋模型和极限学习机的轴承故障诊断[J];测控技术;2017年02期
16 邵岩;卢迪;杨广学;;分数阶傅里叶变换在轴承故障诊断中的应用[J];哈尔滨理工大学学报;2017年03期
17 祝道强;周新志;宁芊;;变负载轴承故障诊断卷积神经网络模型[J];科学技术与工程;2020年15期
18 夏田;詹瑶;郭建斌;;基于小波包和梯度提升决策树的轴承故障诊断[J];陕西科技大学学报;2020年05期
中国重要会议论文全文数据库 前7条
1 高学金;魏红飞;张海利;高慧慧;;基于小波TET的滚动轴承故障诊断[A];2020中国自动化大会(CAC2020)论文集[C];2020年
2 李琳;张永祥;童艳;;基于声发射和高阶谱分析的滚动轴承故障诊断[A];设备监测与诊断技术及其应用——第十二届全国设备监测与诊断学术会议论文集[C];2005年
3 高耀智;谭援强;;基于1(1/2)谱与小波分析相结合的滚动轴承故障诊断[A];2009年全国青年摩擦学学术会议论文集[C];2009年
4 郜普刚;何田;林意洲;刘献栋;;基于局部均值分解的滚动轴承故障诊断[A];2010中国汽车工程学会年会论文集[C];2010年
5 刘锋;马怀祥;王亚涛;;基于共振解调的滚动轴承故障诊断[A];现代振动与噪声技术(第九卷)[C];2011年
6 徐新韬;王华庆;沈伟;李岭阳;杨晓;;基于信息融合与1.5维谱的轴承故障诊断方法[A];2015年中国机械工程学会设备与维修工程分会学术年会论文集[C];2015年
7 沈路;周晓军;张杰;;基于形态非抽样小波与灰色关联度的滚动轴承故障诊断[A];2011年机械电子学学术会议论文集[C];2011年
中国硕士学位论文全文数据库 前17条
1 谭雯雯;基于神经网络的轴承故障诊断研究及其系统实现[D];北京化工大学;2020年
2 高冠琪;时频挤压阶比方法及其变转速轴承故障诊断研究[D];苏州大学;2019年
3 叶友谊;基于优化支持向量机的滚动轴承故障诊断[D];福州大学;2014年
4 王蕾蕾;基于深度自编码网络的轴承故障诊断研究[D];华北电力大学;2019年
5 李妍;基于改进极限学习机的轴承故障诊断方法研究[D];西安科技大学;2019年
6 彭刘阳;基于振动信号的滚动轴承故障诊断与状态识别方法研究[D];中国矿业大学;2019年
7 董德亿;基于输出信号相关性分析的轴承故障诊断方法[D];杭州电子科技大学;2018年
8 徐剑涛;基于极点对称模态分解及改进支持向量机的轴承故障诊断[D];燕山大学;2018年
9 齐申武;基于振动信号分析的滚动轴承故障诊断及寿命预测研究[D];燕山大学;2018年
10 黄阳;基于振动信号降噪与分解的轴承故障诊断研究[D];西安理工大学;2018年
11 李志伟;基于振动信号的轴承故障诊断[D];西南石油大学;2019年
12 李学伟;支持向量机在嵌入式轴承故障诊断装置中的研究与实现[D];东北大学;2010年
13 黄建新;多传感器数据融合技术在轴承故障诊断中的应用研究[D];武汉理工大学;2006年
14 曹宁;小样本深度学习在轴承故障诊断系统中的研究[D];北京化工大学;2020年
15 庞俊;基于改进卷积神经网络的轴承故障诊断研究[D];太原科技大学;2020年
16 王泽文;基于振动信号的滚动轴承故障诊断与预测系统研究[D];中国矿业大学;2014年
17 赵兴;基于时频维数的滚动轴承故障诊断技术应用研究[D];大连交通大学;2013年
中国重要报纸全文数据库 前1条
1 通讯员 蔡义杰 记者 唐先武;轴承故障诊断有了“透视镜”[N];科技日报;2001年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978