《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GADF与卷积神经网络的滚动轴承故障诊断研究

作者：刘红军,魏旭阳日期：2021-07-20/span> 浏览：907 查看PDF文档

基于GADF与卷积神经网络的滚动轴承故障诊断研究*

刘红军,魏旭阳

(沈阳航空航天大学机电工程学院,辽宁沈阳 110000 )

摘要:为充分发挥深度学习识别二维图像在滚动轴承故障检测方面的优势,提出了一种格拉姆角差场(GADF)结合改进卷积神经网络(CNN)的智能故障诊断模型。首先,将一维时序振动信号通过格拉姆角差场转化为二维图像,提取了图像特征，并输入了改进后的CNN模型;其次,改进的CNN模型采用全局池化层替代了传统的全连接层,有效地解决了传统CNN模型参数爆炸的问题;最后，进行了试验研究，通过Adam小批量优化法进行了迭代训练,达到了理想的检测精度。试验与研究结果表明:该诊断方法在特征提取方面更快速、准确,充分展现了CNN模型的非线性表达能力,检测精度优于其他智能诊断算法。

关键词:格拉姆角差场;故障诊断;卷积神经网络;深度学习

中图分类号:TH133.33 文献标识码:A 文章编号:1001-4551(2021)05-0587-06

本文引用格式:
刘红军,魏旭阳.基于GADF与卷积神经网络的滚动轴承故障诊断研究［J］.机电工程,2021,38(5):587-591,622.
LIU Hong-jun, WEI Xu-yang. Rollingbearing fault diagnosis based on GADF and convolutional neural network［J］.Journal of Mechanical & Electrical Engineering, 2021,38(5):587591,622.
《机电工程》杂志:http://www.meem.com.cn