基于改进SDP和FasterNet-GCAM的滚动轴承故障诊断

1

作者 陈家芳 唐湛恒 周健 《现代制造工程》 北大核心 2025年第7期129-138,41,共11页

对滚动轴承进行故障诊断关乎设备运行安全及稳定可靠性。使用传统卷积神经网络进行故障诊断,模型运算量过大,且易出现过拟合现象从而导致诊断精度不高,端到端模型存在可信度不高等问题。鉴于此,提出一种基于改进对称极坐标(Symmetrized ... 对滚动轴承进行故障诊断关乎设备运行安全及稳定可靠性。使用传统卷积神经网络进行故障诊断,模型运算量过大,且易出现过拟合现象从而导致诊断精度不高,端到端模型存在可信度不高等问题。鉴于此,提出一种基于改进对称极坐标(Symmetrized Dot Pattern,SDP)法和FasterNet-GCAM网络的滚动轴承故障诊断方法。首先,将一维振动信号经过小波阈值降噪处理,再输入经皮尔逊图像相关系数法优化的SDP法生成SDP图像,并通过在FasterNet网络中加入部分卷积(partial convolution)思想,构建成改进的SDP-FasterNet模型进行进一步的特征提取,并完成滚动轴承不同故障的分类诊断。为了验证模型在图像识别过程中决策的可信度,将梯度加权类激活映射(Gradient-weighted Class Activation Mapping,Grad-CAM)与FasterNet网络相结合,突出SDP图像与决策相关的重要部分。试验结果表明,所提方法相比于其他方法具有更快的收敛速度和更强的鲁棒性,且诊断识别精度达到了99.20%,并提高了诊断过程中的可解释性及可信度,为故障诊断领域提供了具备良好可行性和鲁棒性的轻量化诊断模型。 展开更多

关键词 滚动轴承 故障诊断 FasterNet网络 部分卷积 梯度加权类激活映射 对称极坐标法

在线阅读 下载PDF 职称材料

基于SSA-VMD和SDP的双通道CNN轴承故障识别方法

2

作者 蒋丽英 高铭悦 李贺 《机电工程》 北大核心 2025年第2期257-266,共10页

针对滚动轴承故障振动信号具有非线性和非平稳性等特征,以及单通道卷积神经网络(CNN)提取故障特征不显著的问题,提出了一种基于麻雀算法-变分模态分解(SSA-VMD)和对称点模式(SDP)的双通道CNN滚动轴承故障诊断方法。首先,结合样本熵和皮... 针对滚动轴承故障振动信号具有非线性和非平稳性等特征,以及单通道卷积神经网络(CNN)提取故障特征不显著的问题,提出了一种基于麻雀算法-变分模态分解(SSA-VMD)和对称点模式(SDP)的双通道CNN滚动轴承故障诊断方法。首先,结合样本熵和皮尔逊相关系数,构建了新的综合适应度函数,利用麻雀算法(SSA)进行了自适应寻优,确定了最佳的变分模态分解(VMD)参数K和α。将原始振动信号经过VMD分解后,得到了本征模态函数(IMF)分量,通过计算各IMF分量的峭度值进行了筛选,将筛选出的信号进行重构后得到了一维特征信号;然后,根据互相关系数选择了合适的对称点模式(SDP)参数值,将原始振动信号转化为极坐标下的SDP图像,获得了具有良好可分性的二维特征图;最后,将一维和二维特征作为双通道CNN的输入进行了联合训练,将训练好的网络用于故障类型识别,在西储大学和江南大学的轴承数据集上对其有效性进行了验证。研究结果表明:通过网络训练,其故障诊断的准确率分别达到了98.5%和100%。该结果验证了该方法在准确识别故障特征方面具有优越性和普适性。 展开更多

关键词 一维特征信号构建 二维特征转换 卷积神经网络 麻雀算法 变分模态分解 对称点模式

在线阅读 下载PDF 职称材料

基于SDP和MCNN-LSTM的齿轮箱故障诊断方法 被引量：4

3

作者 吴胜利 周燚 邢文婷 《振动与冲击》 EI CSCD 北大核心 2024年第15期126-132,178,共8页

齿轮箱在长期使用过程中,不可避免地会产生齿轮故障和轴承故障,严重影响传动精度和设备运行安全。基于此,针对齿轮箱常见故障类型,研究多通道对称点图案(symmetrized dot pattern, SDP)数据处理方法,并利用最小能量误差法实现SDP关键参... 齿轮箱在长期使用过程中,不可避免地会产生齿轮故障和轴承故障,严重影响传动精度和设备运行安全。基于此,针对齿轮箱常见故障类型,研究多通道对称点图案(symmetrized dot pattern, SDP)数据处理方法,并利用最小能量误差法实现SDP关键参数的选取。结合多尺度卷积神经网络(multi-scale convolutional neural network, MCNN)的空间处理优势、长短时记忆网络(long short term memory, LSTM)的时间处理优势及其良好的抗噪性和鲁棒性,提出了一种基于SDP和MCNN-LSTM的齿轮箱故障诊断模型。同时利用东南大学齿轮箱数据集,验证了基于SDP和MCNN-LSTM的齿轮箱故障诊断方法对齿轮和轴承常见故障类型特征提取的有效性,并与现有其他故障诊断方法进行对比,结果表明了所提方法具有更高的精度。 展开更多

关键词 齿轮箱故障诊断 对称点图案(sdp) 最小能量误差 多尺度卷积神经网络(MCNN) 长短时记忆网络(LSTM)

在线阅读 下载PDF 职称材料

基于SDP法诊断发动机的异响 被引量：7

4

作者 杨诚 冯焘 +1 位作者 王中方 杨振冬 《声学技术》 CSCD 2010年第5期523-527,共5页

针对发动机异响特征与声信号的复杂性,提出了基于SDP(Symmetrized Dot Pattern)的发动机异响诊断方法。通过将测得的发动机各个局部位置的声信号将其时域波形转换为极坐标图形,利用正常发动机与产生异响发动机SDP图形之间的相关系数来... 针对发动机异响特征与声信号的复杂性,提出了基于SDP(Symmetrized Dot Pattern)的发动机异响诊断方法。通过将测得的发动机各个局部位置的声信号将其时域波形转换为极坐标图形,利用正常发动机与产生异响发动机SDP图形之间的相关系数来判断所测发动机是否存在异响,与传统诊断方法即对时域与频域信号幅值不同进行对比分析相比具有分析时间短、辨别直观等优点。试验结果证明,SDP法能快速准确地分辨出正常发动机与异响发动机的差别,达到了对发动机异响诊断的目的。 展开更多

关键词 发动机 异响诊断 sdp法 图形相关系数

在线阅读 下载PDF 职称材料

基于MEEMD-SDP图像特征和DRN的行星齿轮箱故障诊断 被引量：6

5

作者 陈友广 陈云 谢鲲鹏 《机电工程》 CAS 北大核心 2022年第5期662-667,共6页

在行星齿轮箱齿轮的实际工程应用中,针对故障发生的早期阶段,其非平稳性、非线性振动特征信号导致故障诊断准确率低的问题,提出了一种基于MEEMD-SDP图像特征和深度残差网络的齿轮故障诊断方法。首先,采用了改进的集总平均经验模态分解(M... 在行星齿轮箱齿轮的实际工程应用中,针对故障发生的早期阶段,其非平稳性、非线性振动特征信号导致故障诊断准确率低的问题,提出了一种基于MEEMD-SDP图像特征和深度残差网络的齿轮故障诊断方法。首先,采用了改进的集总平均经验模态分解(MEEMD)方法对齿轮振动信号进行了分解,获得了能够反映齿轮振动信号信息的固有模态函数(IMF);然后,通过对称点图案(SDP)分解方法提取了IMF分量,将其变换到极坐标下的雪花图像特征,并组成了特征向量;最后,引入深度残差网络(DRN)模型,实现了对行星齿轮箱齿轮不同故障的识别与分类,同时将其与卷积神经网络(CNN)模型进行了对比,并在东南大学公开的齿轮箱数据集上进行了不同模型对齿轮状态故障识别准确率的对比实验。研究结果表明:SDP图像特征能够全面表征齿轮的状态信息,相较于CNN模型,采用DRN模型对齿轮进行诊断得到的平均准确率有明显提高,可达到98.1%,能验证基于MEEMD-SDP图像特征和深度残差网络方法的有效性;研究结果对提升现有行星齿轮箱齿轮故障识别的准确率具有一定的价值。 展开更多

关键词 齿轮传动 固有模态函数 改进的集总平均经验模态分解 对称点图案 图像特征 深度残差网络

在线阅读 下载PDF 职称材料

基于参数优化SDP分析的转子故障诊断方法 被引量：6

6

作者 万周 何俊增 +2 位作者 姜东 李坚 张大海 《振动与冲击》 EI CSCD 北大核心 2023年第1期81-88,共8页

针对存在多种故障类型不同故障严重程度的转子故障诊断问题,提出了一种基于参数优化对称点模式(symmetrized dot pattern,SDP)分析的智能诊断方法。首先,利用SDP分析提取多个传感器信号的故障特征并将其融合为SDP图像;然后,以基于欧氏... 针对存在多种故障类型不同故障严重程度的转子故障诊断问题,提出了一种基于参数优化对称点模式(symmetrized dot pattern,SDP)分析的智能诊断方法。首先,利用SDP分析提取多个传感器信号的故障特征并将其融合为SDP图像;然后,以基于欧氏距离定义的图像区分度函数为适应度函数,基于天牛须搜索(beetle antennae search,BAS)算法获得SDP分析中角域增益因子与时间延滞系数的最佳取值;最后,利用SDP图像训练卷积神经网络(convolutional neural network,CNN)获得转子故障诊断模型。试验研究表明,该方法相较于其他故障诊断方法具有更高的诊断精度,且在强噪声环境下的诊断表现良好。基于BAS算法优化后的SDP分析放大了不同类型不同严重程度转子故障的表征差异,提高了故障诊断精度。 展开更多

关键词 转子 对称点模式(sdp) 天牛须搜索(BAS)算法 卷积神经网络(CNN) 故障诊断

在线阅读 下载PDF 职称材料

基于SDP和DG-ResNet的齿轮箱轴承故障诊断研究 被引量：2

7

作者 韩春雷 武兵 +2 位作者 熊晓燕 任俊锜 刘智飞 《机电工程》 CAS 北大核心 2021年第11期1395-1401,共7页

在复杂工况下,齿轮箱轴承运行会产生诸多故障,且各种故障之间相互影响,依靠传统的故障诊断方法难以满足高精度、智能化的故障分类要求,提出了一种结合对称点图像(SDP)算法技术和膨胀分组卷积残差网络(DG-ResNet)的齿轮箱轴承故障诊断方... 在复杂工况下,齿轮箱轴承运行会产生诸多故障,且各种故障之间相互影响,依靠传统的故障诊断方法难以满足高精度、智能化的故障分类要求,提出了一种结合对称点图像(SDP)算法技术和膨胀分组卷积残差网络(DG-ResNet)的齿轮箱轴承故障诊断方法。首先,将一维轴承振动信号数据通过SDP方法转化为二维图像,在不减少原始数据的前提下,图像可以清楚地显示出振动数据的原始特征;然后,将图像作为模型的输入,输入到DG-ResNet神经网络模型中,对图像进行了轴承故障特征的提取和分类,膨胀分组卷积残差块增加了卷积个数和感受野尺寸,可以让网络提取到高阶图像特征,实现了对轴承故障的高精度、智能化分类;最后,将该方法和多种经典卷积神经网络算法,进行了故障诊断准确率的对比。研究结果表明:与多种经典卷积神经网络算法相比,所提方法对轴承故障诊断的准确率远高于其他网络,诊断的平均准确率达到93%,该结果验证了所提方法的有效性;该方法能够对轴承故障进行高效分类,可以用于齿轮箱轴承的实际故障分类。 展开更多

关键词 齿轮箱轴承 故障诊断 对称点图像 膨胀分组卷积残差网络

在线阅读 下载PDF 职称材料

基于深度特征学习的汽轮机转子状态识别方法 被引量：19

8

作者 朱霄珣 罗学智 +2 位作者 叶行飞 韩中合 刘铟 《中国电机工程学报》 EI CSCD 北大核心 2021年第2期432-441,共10页

复杂汽轮机转子振动信号的非平稳性和非线性等问题,会严重影响到汽轮机转子的状态识别。为了保证汽轮机转子的安全运行,提出一种基于对称点模式(symmetrized dot pattern,SDP)特征融合的卷积神经网络(convolutionneural network,CNN)状... 复杂汽轮机转子振动信号的非平稳性和非线性等问题,会严重影响到汽轮机转子的状态识别。为了保证汽轮机转子的安全运行,提出一种基于对称点模式(symmetrized dot pattern,SDP)特征融合的卷积神经网络(convolutionneural network,CNN)状态识别方法。该方法通过基于SDP分析方法对汽轮机转子各方向、各位置的信号进行特征融合,获取融合特征的SDP图,最终基于CNN进行融合特征SDP图像识别,实现转子故障状态识别。与其他状态识别方法相比,该方法提高了不同状态特征的表征差异,进而提高了学习效果和识别精度。同时,对比实验结果表明,相较于其他状态识别方法,该方法对转子振动状态识别精度最高,达到了96%。 展开更多

关键词 汽轮机转子 深度学习 卷积神经网络 对称点模式 状态识别

在线阅读 下载PDF 职称材料

基于点对称变换的乙丙橡胶电缆终端缺陷诊断 被引量：9

9

作者 周利军 刘聪 +2 位作者 权圣威 曹伟东 项恩新 《电工技术学报》 EI CSCD 北大核心 2022年第9期2388-2398,共11页

为解决高速动车组车载电缆健康状况的智能化诊断受限于天窗期短的问题,该文提出一种基于点对称(SDP)的乙丙橡胶(EPR)电缆终端缺陷局部放电诊断方法。首先,搭建局部放电试验平台获取局部放电信号;然后,提出一种车载电缆局部放电信号的SD... 为解决高速动车组车载电缆健康状况的智能化诊断受限于天窗期短的问题,该文提出一种基于点对称(SDP)的乙丙橡胶(EPR)电缆终端缺陷局部放电诊断方法。首先,搭建局部放电试验平台获取局部放电信号;然后,提出一种车载电缆局部放电信号的SDP参数确定方法,并基于SDP变换将不同类型缺陷局部放电信号映射到极坐标系中形成SDP图像;最后,对比三种常见的深度学习网络——卷积神经网络(CNN)、栈式自编码器(SAE)及深度置信网络(DBN)提取不同类型缺陷的SDP图像深层特征,并基于网络尾端Softmax分类器进行识别。结果表明:针对四种典型的电缆缺陷,DBN网络与SDP图像的结合效果最佳,缺陷识别率达到了96.1%,相比于传统诊断方法,识别准确率提高了10%左右,由此验证了通过深度学习算法自适应提取SDP图像特征的方法,可有效应用于电缆缺陷诊断领域,具有较好的工程应用前景。 展开更多

关键词 乙丙橡胶 深度学习 对称点模式 状态识别

在线阅读 下载PDF 职称材料

基于图像形状特征和LLTSA的故障诊断方法 被引量：12

10

作者 张前图 房立清 《振动与冲击》 EI CSCD 北大核心 2016年第9期172-177,共6页

针对滚动轴承故障诊断问题,提出了一种基于图像形状特征和线性局部切空间排列(LLTSA)的故障诊断方法。首先采用SDP(Symmetrized Dot Pattern)方法对时域信号进行变换,得到极坐标空间下的雪花图像,在分析图像特点的基础上,从图像处理的... 针对滚动轴承故障诊断问题,提出了一种基于图像形状特征和线性局部切空间排列(LLTSA)的故障诊断方法。首先采用SDP(Symmetrized Dot Pattern)方法对时域信号进行变换,得到极坐标空间下的雪花图像,在分析图像特点的基础上,从图像处理的角度初步提取出图像的形状特征;然后利用LLTSA对初步提取的特征进行维数约简以提取低维特征;最后采用支持向量机(SVM)对低维特征进行分类评估。滚动轴承的故障诊断实验表明图像形状特征能够表征轴承的状态,经LLTSA约简后特征数据的复杂度得到降低,且具有更好的聚类效果,而SVM对轴承4种状态的识别率也达到了100%,验证了该方法的有效性。 展开更多

关键词 sdp 形状特征 线性局部切空间排列 支持向量机 故障诊断

在线阅读 下载PDF 职称材料

基于倒谱-对称点图谱-卷积神经网络的内燃机增压器滚动轴承故障诊断 被引量：6

11

作者 孙英淳 唐斌 蔡先阳 《内燃机工程》 CAS CSCD 北大核心 2023年第6期69-76,共8页

针对内燃机增压器滚动轴承振动信号易受噪声影响、故障特征微弱的问题,提出了一种基于倒谱(cepstrum)-对称点图谱(symmetrizeddotpattern,SDP)-卷积神经网络(convolution neural network,CNN)的智能故障诊断方法。通过倒谱对原始信号进... 针对内燃机增压器滚动轴承振动信号易受噪声影响、故障特征微弱的问题,提出了一种基于倒谱(cepstrum)-对称点图谱(symmetrizeddotpattern,SDP)-卷积神经网络(convolution neural network,CNN)的智能故障诊断方法。通过倒谱对原始信号进行故障特征提取,获取能够反映滚动轴承故障类型的特征向量。然后应用对称点图谱方法将一维倒谱数据映射到极坐标空间,并进行灰度化处理得到SDP特征灰度图,将特征图导入到卷积神经网络进行特征挖掘和故障识别。最后通过滚动轴承外滚道、内滚道和滚动体出现损伤的故障试验,构建了9类故障状态原始信号,验证了基于倒谱-SDP-CNN的智能故障诊断方法。结果表明:倒谱-SDP-CNN方法具有运算简便、快捷、受噪声影响较小等优点,对试验测试集的故障识别准确率达到97.5%,可以较为准确地诊断增压器滚动轴承的故障状态和严重程度。 展开更多

关键词 滚动轴承 故障诊断 倒谱 对称点图谱 卷积神经网络

在线阅读 下载PDF 职称材料

基于声振信号对称极坐标图像的苹果霉心病早期检测 被引量：9

12

作者 赵康 查志华 +1 位作者 李贺 吴杰 《农业工程学报》 EI CAS CSCD 北大核心 2021年第18期290-298,共9页

为实现苹果早期霉心病较高精度的检测,该研究采用对称极坐标法(Symmetrized Dot Pattern,SDP)将苹果声振信号变换为雪花图,然后采用AlexNet、VGG16和ResNet50卷积神经网络以迁移学习方式深度挖掘SDP雪花图像的特征信息,将其输入到支持... 为实现苹果早期霉心病较高精度的检测,该研究采用对称极坐标法(Symmetrized Dot Pattern,SDP)将苹果声振信号变换为雪花图,然后采用AlexNet、VGG16和ResNet50卷积神经网络以迁移学习方式深度挖掘SDP雪花图像的特征信息,将其输入到支持向量机(Support Vector Machine,SVM)分类器,对霉心程度≤7%的苹果进行检测。研究结果表明,当时间间隔系数为25和角度放大因子为50°时,健康果与早期霉心果声振信号的SDP图形状特征差异最大,在此条件下获取的SDP图经卷积神经网络AlexNet、VGG16和ResNet50提取特征并构建了不同核函数的SVM霉心果检测模型,在各类SVM模型中,ResNet50-SVM-gaus(高斯核)模型用相对较少的训练时间和参数量可取得训练集霉心果较高分类准确率,经超参数优化训练该模型对健康果和早期霉心果测试集不平衡样本(10∶1)的总体分类准确率达到96.97%,平均查准率、平均查全率、平均加权调和均值、Kappa系数和马修斯相关系数值分别为80.19%、90.36%、86.21%,82.54%和82.68%,该模型不仅对多数类的健康果保持较高分类准确率,而且对少数类的早期霉心果也具有较高判别能力。研究结果为声振法应用于果蔬内部病害的早期在线检测系统研发提供了技术支撑。 展开更多

关键词 无损检测 支持向量机 苹果霉心病 早期检测 声振法 对称极坐标法 卷积神经网络

在线阅读 下载PDF 职称材料