基于改进AlexNet的滚动轴承变工况故障诊断研究.pdfVIP

基于改进AlexNet 的滚动轴承变工况故障诊断研究 滚动轴承作为旋转机械中的关键部件,其健康状态关系着整个机 械设备的稳定运行。实时监测滚动轴承的运行状态,并及时发现故障 出现的位置以及故障严重程度,能够有效确保人机安全和减少经济损 失。但在滚动轴承实际工作中,常伴随着不同噪声干扰、不同工作负 荷的情况,而传统的特征提取和模式识别相结合的故障诊断方法,很 难自适应地解决复杂易变工况下的滚动轴承故障诊断问题。本文在总 结归纳前人研究工作的基础上,针对上述问题,基于AlexNet 研究了 滚动轴承变工况故障诊断的方法:(1)针对旋转机械中的滚动轴承常 工作在变负荷、强噪声的环境中,而传统的滚动轴承故障诊断方法难 以在复杂工况下自适应地提取对其故障诊断有利特征的问题,提出一 种基于改进AlexNet 的滚动轴承变负荷故障诊断方法。首先,将采集 的一维的时域信号按横向插样构建便于改进AlexNet 输入的二维特 征图;其次,经过改进AlexNet 的卷积和次采样等操作从二维特征图 中自动提取出利于滚动轴承状态辨识的特征;最后,以softmax 的交 叉熵为损失函数,利用Adam 按小批量迭代优化法实现对滚动轴承故 障的诊断。通过反映不同工况下的12 种滚动轴承故障状态的振动 号来验证该方法的有效性。(2)现实中滚动轴承的工况复