文章详情
| 稿件标题： | 基于格拉姆角场和PSO-CNN的滚动轴承故障诊断方法 |
| 稿件作者： | 张国栋，尹强，羊柳 |
| DOI： | 10.11809/bqzbgcxb2024.04.039 |
| 科学编辑： | 刘小锋 博士（宁波大学） |
| 栏目名称： | 机械制造与检测技术 |
| 关键词： | 格拉姆角场；粒子群优化算法；卷积神经网络；滚动轴承；故障诊断 |
| 文章摘要： | 针对卷积神经网络的结构对滚动轴承故障诊断精度有较大影响的问题，提出一种基于格拉姆角场和粒子群优化卷积神经网络结构的故障诊断方法。采用格拉姆角场对一维轴承振动数据重构，保留原始数据信息的同时包含了时间相关性；采用粒子群优化算法对编码后的卷积神经网络结构迭代寻优。利用西储大学的轴承数据集进行试验验证，试验结果表明，该方法可自适应生成网络结构，平均诊断精度为99%，相对于其他主流卷积神经网络结构可以获得更好的故障诊断精度。 |
| 引用本文格式： | 张国栋，尹强，羊柳.基于格拉姆角场和PSOCNN的滚动轴承故障诊断方法［J］.兵器装备工程学报，2024，45(4)：301-308. ZHANG Guodong, YIN Qiang, YANG Liu.Rolling bearing fault diagnosis method based on Gramian angle field and PSOCNN［J］.Journal of Ordnance Equipment Engineering，2024，45(4)：301-308. |
| 刊期名称： | 2024年04期 |
| 出版时间： | 2024年4月 |
| 收稿日期： | 2023-05-16 |
| 修回日期： | 2023-07-21 |
| 录用日期： | 2023-09-02 |
| 上线时间： | 2024年4月30日 |
| 浏览次数： | 1339 |
| 下载次数： | 38 |
| 免费阅读PDF 在线阅读 下载本期目录 下载本期封面 | |