基于最大均值差异的卷积神经网络故障诊断模型

作者：包从望,车守全,刘永志,等. 日期：2024-03-26/span> 浏览：1037 查看PDF文档

摘要:针对工程场景中轴承故障数据采集困难,小样本下轴承故障诊断准确率较低且稳定性不高的问题,提出了一种小样本下滚动轴承故障的诊断方法,即基于最大均值差异(MMD)的卷积神经网络(CNN)诊断模型(方法)。首先,根据轴承故障机理,获取了滚动轴承故障的仿真信号,基于生成式对抗网络构建了仿真信号与少量真实样本间的对抗训练模型,得到了伪域样本,并将其扩充为训练数据集;其次,以交叉熵损失和最大均值差异(MMD)为卷积神经网络(CNN)的优化准则,引入了缩放因子,对网络进行了动态优化,根据测试结果选取缩放因子为0.05作为最优网络结构参数,构建了故障诊断的训练模型;最后,将结构均为1024个数据点的伪域样本和真实样本共同构成模型的训练集,对其进行了归一化处理,然后将其输入到构建的网络模型中,并以MMD作为约束,进行了卷积、池化操作,以实现特征提取的目的,经反向传播对模型进行了优化,实现了诊断模型参数的迭代更新目标。研究结果表明:基于MMD的CNN诊断模型(方法)对小样本下轴承的故障诊断识别精度有明显的改善,当样本数仅为16时,识别率可达95%以上,证明该方法在小样本下的轴承故障诊断中依然能获得较高的故障识别率。

关键词:滚动轴承;故障诊断;小样本;生成式对抗网络;卷积神经网络;最大均值差异;交叉熵损失

中图分类号:TH133.3;TH17文献标识码:A文章编号:1001-4551(2024)03-0445-10

包从望,车守全,刘永志,等.基于最大均值差异的卷积神经网络故障诊断模型［J］.机电工程,2024,41(3):445-454.

BAO Congwang, CHE Shouquan, LIU Yongzhi, et al. Fault diagnosis model of convolutional neural network based on maximum mean difference［J］.Journal of Mechanical & Electrical Engineering, 2024,41(3):445-454.