《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SDP和DG-ResNet的齿轮箱轴承故障诊断研究

作者：韩春雷,武兵,熊晓燕,等日期：2022-01-19/span> 浏览：719 查看PDF文档

基于SDP和DG-ResNet的齿轮箱轴承故障诊断研究*

韩春雷1,武兵1,2*,熊晓燕1,2,任俊锜1,刘智飞1

(1.太原理工大学机械与运载工程学院,山西太原 030024;

2.太原理工大学新型传感器与智能控制教育部重点实验室,山西太原 030024)

摘要:在复杂工况下,齿轮箱轴承运行会产生诸多故障,且各种故障之间相互影响,依靠传统的故障诊断方法难以满足高精度、智能化的故障分类要求,提出了一种结合对称点图像(SDP)算法技术和膨胀分组卷积残差网络(DGResNet)的齿轮箱轴承故障诊断方法。首先,将一维轴承振动信号数据通过SDP方法转化为二维图像,在不减少原始数据的前提下,图像可以清楚地显示出振动数据的原始特征;然后,将图像作为模型的输入,输入到DGResNet神经网络模型中,对图像进行了轴承故障特征的提取和分类,膨胀分组卷积残差块增加了卷积个数和感受野尺寸,可以让网络提取到高阶图像特征,实现了对轴承故障的高精度、智能化分类;最后,将该方法和多种经典卷积神经网络算法,进行了故障诊断准确率的对比。研究结果表明:与多种经典卷积神经网络算法相比,所提方法对轴承故障诊断的准确率远高于其他网络,诊断的平均准确率达到93%,该结果验证了所提方法的有效性;该方法能够对轴承故障进行高效分类,可以用于齿轮箱轴承的实际故障分类。

关键词:齿轮箱轴承;故障诊断;对称点图像;膨胀分组卷积残差网络

韩春雷,武兵,熊晓燕,等.基于SDP和DG-ResNet的齿轮箱轴承故障诊断研究［J］.机电工程,2021,38(11):1395-1401.