基于并行网络多尺度特征融合的轴承故障诊断

doi:10.13873/J.1000-9787(2023)10-0121-05

Chinese

您当前的位置：

首页 >

文章列表页 >

基于并行网络多尺度特征融合的轴承故障诊断

更新时间：2025-09-11

- 基于并行网络多尺度特征融合的轴承故障诊断
- Issue 10, Pages: 121-125(2023)
- 作者机构：
  
  1. 中国科学院上海高等研究院
  2. 中国科学院大学
  3. 中国科学院上海微系统与信息技术研究所无线传感网与通信重点实验室
- 作者简介：
- 基金信息：
- DOI：10.13873/J.1000-9787(2023)10-0121-05
  CLC： TH133.3;TP183
- Published：2023
- 稿件说明：
移动端阅览
[J]. 2023, (10): 121-125.
DOI：

[J]. 2023, (10): 121-125. DOI： 10.13873/J.1000-9787(2023)10-0121-05.

摘要

针对健康带标签的滚动轴承故障数据稀少的问题，提出了一种基于并行卷积神经网络(CNN)多尺度特征融合的轴承故障诊断方法。首先，采用不同的轴承振动数据，获取对轴承数据的不同视角表达，分别作为并行CNN的输入；其次，用ImageNet数据集对VGG16网络进行预训练，并用带标签的轴承故障数据对预训练后的VGG16网络进行微调，取微调后的VGG16网络作为特征提取器，分别提取不同视角故障数据中的中间特征；最后，设计特征融合模块，通过多尺度特征融合得到高层次故障特征，并用高层次故障特征训练分类模块，实现轴承的故障诊断。经过实验验证，所提出的算法可以对轴承故障数据进行更全面的挖掘，最终获得更高的诊断准确率。

Abstract

关键词

Keywords

references

基于同步压缩小波变换和CNN的滚动轴承故障诊断[J]. 唐纪凯;卢一相;柏壮壮;高清维.传感器与微系统,2022(06)

基于ISVD多级降噪和SVM的轴承故障诊断研究[J]. 杜占涛;纪爱敏;陈曦晖;孙鑫威;林新海.机电工程,2022(05)

基于FFT和LLTSA的传动系统故障诊断研究[J]. 陈晓;刘秋菊;王仲英.机电工程,2022(04)

EEMD-GSSA-SVM滚动轴承故障诊断方法研究[J]. 宋立业;孙琳.传感器与微系统,2022(04)

基于IMF奇异值熵和t-SNE的滚动轴承故障识别[J]. 段萍;王旭;丁承君;冯玉伯;秦越.传感器与微系统,2021(03)

基于多源异构信息融合的机械故障诊断方法[J]. 段礼祥;李涛;唐瑜;杨家林;刘伟.石油机械,2021(02)

基于改进EEMD-AR和DBN的风机轴承故障诊断[J]. 韩欣宏;郑洋;吴定会.传感器与微系统,2020(11)

基于VGG16迁移学习的轴承故障诊断方法[J]. 赵宇凯;徐高威;刘敏.航天器环境工程,2020(05)

ADCS-ELM算法滚动轴承故障诊断[J]. 余萍;曹洁;黄开杰.传感器与微系统,2020(05)

基于深度学习的目标检测技术的研究综述[J]. 罗元;王薄宇;陈旭.半导体光电,2020(01)

基于EMD与卷积神经网络的滚动轴承故障诊断[J]. 王海龙;夏筱筠;孙维堂.组合机床与自动化加工技术,2019(10)

一种用于轴承故障诊断的迁移学习模型[J]. 张根保;李浩;冉琰;李裘进.吉林大学学报(工学版),2020(05)

基于RSSD和小波变换的滚动轴承故障诊断[J]. 严文超;王伟奇;黄蓉.武汉工程大学学报,2019(04)

基于多层特征融合CNN的变压器PRPD图谱识别[J]. 李宏波;朱永利;王京保.电测与仪表,2020(18)

大数据下机械装备故障的深度迁移诊断方法[J]. 雷亚国;杨彬;杜兆钧;吕娜.机械工程学报,2019(07)

旋转机械故障诊断研究方法综述[J]. 苏乃权;熊建斌;张清华;黄崇林.机床与液压,2018(07)

STFT Cluster Analysis for Dc Pulsed Load Monitoring and Fault Detection on Naval Shipboard Power Systems[J]. Maqsood Atif;Oslebo Damian;Corzine Keith;Parsa Leila;Ma Yue.IEEE Transactions on Transportation Electrification,2020

An intelligent fault diagnosis approach based on transfer learning from laboratory bearings to locomotive bearings[J]. Bin Yang;Yaguo Lei;Feng Jia;Saibo Xing.Mechanical Systems and Signal Processing,2019

A novel method for intelligent fault diagnosis of rolling bearings using ensemble deep auto-encoders[J]. Haidong Shao;Hongkai Jiang;Ying Lin;Xingqiu Li.Mechanical Systems and Signal Processing,2018

Fault Diagnosis for Rotating Machinery Using Multiple Sensors and Convolutional Neural Networks[J]. Xia Min;Li Teng;Xu Lin;Liu Lizhi;de Silva Clarence W..IEEE/ASME Transactions on Mechatronics,2018

Deep learning.[J]. LeCun Yann;Bengio Yoshua;Hinton Geoffrey.Nature,2015

Views

176

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

设备故障诊断中的特征提取

融合Transformer的改进遮挡人脸识别算法

基于AMFF网络的课堂专注度评估方法

基于数字孪生的滚动轴承故障诊断方法研究

基于IEPE传感器的工业机械臂智能诊断方法研究

Related Author

张晓梅

王艳媛

茅正冲

杨雨涵

蹇木伟

李鑫

刘力铭

刘宏哲

Related Institution

上海财经大学应用数学系

江南大学物联网工程学院

山东财经大学计算机科学与技术学院

北京联合大学北京市信息服务工程重点实验室

江苏省工业装备数字制造及控制技术重点实验室

⁰