基于DACNN的电机滚动轴承故障诊断方法
文档名：基于DACNN的电机滚动轴承故障诊断方法
摘要：针对强噪声、跨工况场景下数据分布差异导致传统卷积神经网络(CNN)模型泛化性能低、诊断能力不足的问题,提出一种基于并行卷积核和通道注意力机制的滚动轴承故障诊断方法.构造了带有不同尺度卷积核的并行网络结构,可以在抑制噪声干扰的同时有效提取出数据中的故障特征信息;融合通道注意力机制对卷积层特征提取能力进行增强,提升模型抗噪性能以及跨工况负载下的自适应诊断能力.利用凯斯西储大学轴承数据集训练并测试诊断效果,将该方法与其他方法进行了性能对比.结果表明,在跨工况不同负载情况下,所提方法的诊断平均准确率为97.3%,在不同信噪比噪声干扰情况下的诊断精度平均达93.8%,均高于其他比较方法,所提出的方法在复杂多变工况下具有良好的抗噪性能和泛化能力.
Abstract：Inviewoftheproblemsofpoorgeneralizationabilityandinsufficientdiagnosticcapabilityoftraditionalconvolutionalneuralnetwork(CNN)modelduetothedatadistributiondiscrepancyinstrongnoiseenvironmentandacrossworkingconditions,afaultdiagnosismethodforrollingbearingsbasedonparallelconvolutionkernelandchannelattentionmechanismisproposed.Usingthismethod,aparallelnetworkstructurewithdifferentconvolutionkernelscaleswasdesignedtoeffectivelyextractfeatureinformationfromdatawhilesuppressingnoiseinterference.Meanwhile,channelattentionmechanismwasaddedtoenhancethefeatureextractioncapabilityoftheconvolutionallayer,andimprovetheanti-noiseperformanceofthemodelandtheadaptiveabilityinacrossworkingconditions.DiagnosiseffectsweretrainedandtestedbyusingbearingdatasetofCaseWesternReserveUniversity.Theproposedmethodwascomparedwithpeerapproachesunderdifferentsignal-to-noiseratio(SNR)casesandacrossworkingconditions,itwasshownthattheproposedmethodachievesanaveragediagnosisaccuracyrateof97.3%inacrossworkingconditionsandinthevariablenoiseexperimentonthebearingdatasetfromCaseWesternReserveUniversitythediagnosticaccuacyrateisbeyond93.8%,whichareobviouslyhigherthanthecompetingmethods;theproposedmethodhavebetternoiseresistanceandgeneralizationabilityundercomplexandvariableworkingconditions.
作者：贾朱植 刘凯 刘佳鑫 祝洪宇 宋向金 Author：JiaZhuzhi LiuKai LiuJiaxin ZhuHongyu SongXiangjin
作者单位：辽宁科技大学应用技术学院鞍山114051辽宁科技大学电子与信息工程学院鞍山114051江苏大学电气信息工程学院镇江212013
刊名：国外电子测量技术 ISTIC
Journal：ForeignElectronicMeasurementTechnology
年，卷(期)：2024, 43(6)
分类号：TH17
关键词：电机轴承故障诊断卷积神经网络注意力机制
Keywords：motorbearingfaultdiagnosisconvolutionalneuralnetworkattentionmechanism
机标分类号：TP391TH133.33TM307.2
在线出版日期：2024年7月12日
基金项目：国家自然科学基金，辽宁省教育厅基本科研项目基于DACNN的电机滚动轴承故障诊断方法[
期刊论文]国外电子测量技术--2024, 43(6)贾朱植刘凯刘佳鑫祝洪宇宋向金针对强噪声、跨工况场景下数据分布差异导致传统卷积神经网络(CNN)模型泛化性能低、诊断能力不足的问题,提出一种基于并行卷积核和通道注意力机制的滚动轴承故障诊断方法.构造了带有不同尺度卷积核的并行网络结构,可以在抑...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
基于DACNN的电机滚动轴承故障诊断方法DACNN based fault diagnosis of rolling bearing in motor
基于DACNN的电机滚动轴承故障诊断方法.pdf
页:
[1]