基于滑动窗口一维卷积自编码器的滚动轴承故障实时诊断
Real-Time Fault Diagnosis of Rolling Bearings Based on Sliding Window One-Dimensional Convolutional Auto-Encoder作者机构:河南科技大学机电工程学院河南洛阳471003 航空精密轴承国家重点实验室河南洛阳471039 中铁工程装备集团有限公司郑州450016
出 版 物:《轴承》 (Bearing)
年 卷 期:2023年第3期
页 面:68-73,82页
学科分类:08[工学] 081104[工学-模式识别与智能系统] 0802[工学-机械工程] 0811[工学-控制科学与工程] 080201[工学-机械制造及其自动化]
基 金:国家自然科学基金资助项目(52105182) 河南省重大科技专项(221100220100) 河南省科技研发计划联合基金资助项目(222103810030)。
主 题:滚动轴承 故障诊断 编码器 卷积神经网络 滑动窗口 边缘计算
摘 要:针对滚动轴承故障检测的特征自适应问题以及工业互联网边缘计算需求,提出一种基于滑动窗口一维卷积自动编码器(SW1DCAE)的无监督滚动轴承故障诊断方法。首先,将一维卷积与自编码器有效结合,同时加入节点随机丢弃技巧,提高模型的学习能力并防止过拟合;然后,将滑动窗口算法引入模型,针对性的塑造样本,提高模型性能,控制模型响应时间;最后,利用预训练SW1DCAE模型的编码层,与全连接层、Softmax分类层构成分类模型进行轴承故障诊断。试验结果表明:SW1DCAE模型具有良好的数据重构能力,故障分类准确率优于传统的自编码器和卷积神经网络,而且占据存储空间小,运算量低,可搭载于嵌入式系统进行在线检测。