典型文献
基于CNN的轴承变工况故障识别系统
文献摘要：
为了保证工业机械设备运行安全,避免轴承损伤引起的设备严重损害,实现对机械设备上滚动轴承的变工况故障诊断,设计了基于卷积神经网络的变工况滚动轴承故障诊断系统.该系统使用格拉姆矩阵方法将一维时序数据转换为二维特征图,卷积神经网络训练最大化的学习数据中的特征信息,将训练好的模型部署于LabVIEW编写的上位机中实现实时故障诊断,将所提方法在美国凯斯西储大学轴承数据中心数据集进行实验,实验验证:在美国凯斯西储大学轴承数据集上,所使用的方法变工况下无故障运行数据识别准确率达到99.85％,变工况下综合识别准确率达到91.67％,实验结果表明该方法取得了较为准确的识别效果且具有不错的泛化能力,为变工况下滚动轴承的故障诊断积累了应用经验.
文献关键词：
卷积神经网络;故障诊断;格拉姆矩阵;滚动轴承;LabVIEW
中图分类号：
作者姓名：
于波;李建成;陈先瑞;张强
作者机构：
东北石油大学物理与电子工程学院 大庆163318
文献出处：
引用格式：
[1]于波;李建成;陈先瑞;张强-.基于CNN的轴承变工况故障识别系统)[J].电子测量技术,2022(19):25-29
A类：
B类：
承变,故障识别系统,工业机械,机械设备,设备运行,运行安全,轴承损伤,变工况故障诊断,滚动轴承故障诊断,故障诊断系统,格拉姆矩阵,矩阵方法,时序数据,数据转换,维特,特征图,神经网络训练,学习数据,特征信息,练好,模型部署,LabVIEW,上位机,凯斯,轴承数据,数据中心,心数,无故障,运行数据,数据识别,识别准确率,综合识别,不错,泛化能力,应用经验
AB值：
0.348095
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
