典型文献
基于CAE和CNN的变工况下滚动轴承智能故障诊断研究
文献摘要：
针对变工况下滚动轴承的状态评估问题,提出了一种基于卷积神经网络(CNN)和卷积自编码(CAE)的故障诊断方法:首先将单一工况下有标签的数据和变工况下无标签的数据输入到CAE的编码器中,得到特征参数矩阵F;然后将由单一工况下数据得到的F输入到CNN轴承故障诊断模型中,得到状态类型并计算损失,将由全部数据得到的F输入到CAE的解码器得到重构数据并计算损失,根据这两个损失之和进行反向传播训练;最后将变工况下的数据输入到CAE编码器和CNN模型中得到状态类别.结果表明:CAE使不同工况下的数据经过编码器后得到的F分布更为接近,CAECNN模型的故障诊断准确率高于97％,可有效应用于变工况下滚动轴承的智能故障诊断.
文献关键词：
滚动轴承;故障诊断;卷积自编码;卷积神经网络
中图分类号：
作者姓名：
周文宣;刘洋;邓敏强;丁雪;邓艾东
作者机构：
国家能源集团宿迁发电有限公司,江苏宿迁223803;东南大学能源与环境学院,火电机组振动国家工程研究中心,南京210096
文献出处：
引用格式：
[1]周文宣;刘洋;邓敏强;丁雪;邓艾东-.基于CAE和CNN的变工况下滚动轴承智能故障诊断研究)[J].动力工程学报,2022(01):43-48
A类：
CAECNN
B类：
变工况,滚动轴承,轴承智能故障诊断,诊断研究,状态评估,卷积自编码,故障诊断方法,无标签,编码器,轴承故障诊断,故障诊断模型,解码器,反向传播,不同工况,故障诊断准确率,有效应用
AB值：
0.195877
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。
