一种多尺度卷积自编码网络及其在滚动轴承故障诊断中的应用（英文）

论文摘要

针对旋转机械故障特征需要人工提取导致故障识别困难的问题,在传统卷积自编码网络基础上,提出一种一维多尺度卷积自编码的故障诊断模型.该模型首先使用并行、不同尺度的卷积核和反卷积核对输入信号进行特征提取和重构,然后将多尺度卷积核所提取到的特征图作为分类器的输入,最后用带标签的数据对全模型的参数进行微调.通过一组模拟故障信号数据和2组滚动轴承故障实验数据对一维多尺度卷积自编码模型进行验证,结果显示该模型可分别达到99.75%、99.3%和100%的诊断精度.此外,将一维多尺度卷积自编码模型与传统机器学习、卷积神经网络和卷积自编码网络进行诊断精度和重构误差的比较,最终结果表明所提出模型对于滚动轴承故障数据有更好的识别效果.

论文目录

1 Theory of Convolutional Auto-Encoder

1.1 Convolutional neural network

1.1.1 Convolutional layer

1.1.2 Pooling layer

1.2 Convolutional auto-encoder

2 Proposed Fault Diagnosis Model

2.1 1DMSCAE model structure

2.2 Construction of 1DMSCAE

2.3 Process of concrete realization

3 Experimental Verification

3.1 Simulation signal fault diagnosis and analysis

3.1.1 Simulation signal description and analysis

3.1.2 Model parameter setting

3.1.3 Simulation signal reconstruction and diagnosis results

3.2 Bearing fault diagnosis experiment 1

3.2.1 Experimental conditions and network parameter selection

3.2.2 Experimental results and analysis

3.3 Bearing fault diagnosis experiment 2

4 Conclusions

文章来源

类型: 期刊论文

作者: 丁云浩,贾民平

关键词: 故障诊断,深度学习,卷积自编码网络,多尺度卷积核,特征提取

来源: Journal of Southeast University(English Edition) 2019年04期

年度: 2019

分类: 工程科技Ⅱ辑,信息科技

专业: 机械工业,自动化技术

单位: 东南大学机械工程学院

基金: The National Natural Science Foundation of China(No.51675098)

分类号: TP181;TH133.33

页码: 417-423

总页数: 7

文件大小: 2060K

下载量: 147

一种多尺度卷积自编码网络及其在滚动轴承故障诊断中的应用（英文）

论文摘要

论文目录

文章来源

相关论文文献

猜你喜欢