-
题名基于通道和空间重组网络的滚动轴承故障诊断
- 1
-
-
作者
周涛
姚德臣
杨建伟
-
机构
北京建筑大学机电与车辆工程学院
-
出处
《机械强度》
北大核心
2025年第5期19-28,共10页
-
基金
国家自然科学基金面上项目(51975038)
北京市自然科学基金(重点)项目(KZ202010016025)
+1 种基金
北京建筑大学青年教师科研能力提升计划(X21055)
北京建筑大学研究生创新计划(PG2023134)。
-
文摘
由于在实际工程中采集到的故障振动数据可能会伴随噪声,传统的诊断模型难以识别故障类别,针对此问题,提出一种基于通道和空间重组卷积与渐进式卷积神经网络(Channel and Spatial Reconstruction and Progressive Convolutional Neural Networks,CSRP-CNN)的滚动轴承故障诊断研究方法。所提模型利用通道和空间重组卷积(Channel and Spatial Reconstruction Convolution,CSConv)减少故障特征中通道和空间的冗余信息,降低复杂性和计算量以提高性能;使用卷积注意力模块(Convolutional Block Attention Module,CBAM)在通道和空间维度进行注意力增强操作,使模型关注重要的故障特征信息;在网络浅层采用渐进式卷积网络结构,将之前的故障特征信息与当前的输入进行融合,获取更加丰富的特征信息。通过凯斯西储大学(Case Western Reserve University,CWRU)和机械故障综合模拟试验平台(Machinery Fault Simulator Magnum,MFS-MG)两种不同的数据集对CSRP-CNN进行性能评估。经过噪声测试和消融试验,验证了CSRP-CNN具有较强的鲁棒性,以及CSConv、CBAM和渐进式卷积神经网络(Progressive Convolutional Neural Network,PCNN)对所提模型抗噪性能的影响。
-
关键词
故障诊断
通道和空间重组卷积
渐进式卷积神经网络
鲁棒性
-
Keywords
Fault diagnosis
Channel and spatial reconstruction convolution
Progressive convolutional neural network
Robustness
-
分类号
TH133.33
[机械工程—机械制造及自动化]
-
