一种基于深度神经网络的滚动轴承故障诊断方法
作者机构：江西铜业集团有限公司德兴铜矿机动能源部江西德兴市334224
出 版 物：《采矿技术》 (Mining Technology)
年 卷 期：2020年第20卷第5期
页 面：131-134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]
主 题：滚动轴承 故障诊断 深度神经网络 深度学习 信号处理
摘 要：滚动轴承作为工业系统中最为关键的零件之一,在矿业设备实际工作环境中起着至关重要的作用。滚动轴承由于摩擦、碰撞等因素经常容易出现损伤、故障现象,既影响机械正常运转,也容易带来安全隐患。采用相关技术对轴承状态进行实时监控诊断,及时判断故障具有重要的现实意义。利用深度神经网络构建故障诊断系统,并在凯斯西储大学的滚动轴承公开数据CWRU上进行了相关实验,最终的识别准确率高达91.78%,证明了深度神经网络对于滚动轴承故障诊断的重要作用。
维普期刊数据库
同方期刊数据库