《机电工程》杂志社科技期刊核心期刊论文投稿机电一体化机械、仪表电工自动化、计算机浙江大学主办

《机电工程》杂志，月刊( 详细... )

中国标准连续出版物号： ISSN 1001-4551 CN 33-1088/TH
主办单位：浙江省机电集团有限公司
浙江大学
主编：赵群
副主编：唐任仲、罗向阳(执行主编)
总经理：罗向阳
出版：浙江《机电工程》杂志社有限公司
地址：杭州市上城区延安路95号浙江省机电集团大楼二楼211、212室
电话Tel：+86-571-87041360、87239525
E-mail：meem_contribute@163.com
国外发行：中国国际图书贸易总公司
订阅：全国各地邮局 国外代号：M3135
国内发行：浙江省报刊发行局
邮发代号：32-68
广告发布登记证：杭上市管广发G-001号

在线杂志	当前位置：机电工程 >>在线杂志

基于AlexNet和迁移学习的滚动轴承故障诊断研究

作者：院老虎,陈源强,杜白雨,等日期：2021-10-21/span> 浏览：961 查看PDF文档

基于AlexNet和迁移学习的

滚动轴承故障诊断研究*

院老虎1,陈源强1,杜白雨1,张泽鹏1,刘刚2

(1.沈阳航空航天大学航空宇航学院,辽宁沈阳 110136;2.中油国际管道有限公司,北京 102206)

摘要:传统的轴承故障诊断方法需要进行复杂的信号处理,同时依赖专家知识和人工构造算法等技术手段,并且工程实际中可利用的机械设备故障数据量较少,针对这一系列问题,以滚动轴承正常运行时和发生不同故障时收集到的原始振动信号为识别依据,提出了一种基于AlexNet和迁移学习的滚动轴承故障诊断方法。将收集到的滚动轴承原始振动数据转换为振动信号图,并为振动信号图设定了标签,以作为训练样本;对预训练的AlexNet网络进行了微调,以使其符合任务需求,并使用准备好的训练样本对网络进行了训练;使用美国凯斯西储大学轴承数据中心的数据集,对网络模型的性能进行了验证,在滚动轴承的内圈故障、外圈故障和滚动体故障3个故障类别下,达到了100%的诊断精度。研究结果表明:在标记故障数据稀缺的情况下,采用该方法仍可实现对滚动轴承常见故障类型的诊断,且与现有先进方法相比,该方法的诊断精度有所提升。

关键词:滚动轴承;故障诊断;AlexNet;迁移学习

中图分类号:TH133.33文献标识码:A文章编号:1001-4551(2021)08-1016-07

本文引用格式:

院老虎,陈源强,杜白雨,等.基于AlexNet和迁移学习的滚动轴承故障诊断研究［J］.机电工程,2021,38(8):1016-1022.