文章详情
| 稿件标题： | 基于CNN-ETR的滚动轴承故障诊断研究 |
| 稿件作者： | 陈功胜1a，唐向红1a，1b，2，陆见光1a，1b，2，杨瑞恒1a |
| DOI： | 10.11809/bqzbgcxb2021.06.043 |
| 科学编辑： | 熊超 博士（ 陆军工程大学石家庄校区教授） |
| 栏目名称： | 机械制造与检测技术 |
| 关键词： | 轴承故障诊断；CNN；ETR；RS |
| 文章摘要： | 针对一维卷积神经网络在处理时域信号时存在着特征丢失的现象，提出了一种二维卷积神经网络与极限树回归相结合的轴承故障诊断方法。将采集到的数据转变为灰度图像，利用卷积神经网络自提取轴承故障特征，将故障特征输入到极限树回归中进行训练与测试，在此基础上利用随机搜索算法在极限树回归中找到较优参数组合，从而实现自适应的轴承故障诊断。通过对CUT2平台的数据集进行试验分析，使用了该模型进行轴承故障分类可达到99%的准确率。实验结果表明，该模型能有效识别故障轴承的类别，具有较好的鲁棒性。 |
| 稿件基金： | 贵州省科学技术基金项目（黔科合基础ZK［2021］一般271）;贵州省公共大数据重点实验室开放基金项目(2017BDKFJJ019)；贵州大学引进人才基金项目(贵大人基合字(2016)13号) |
| 引用本文格式： | 陈功胜，唐向红，陆见光，等.基于CNN-ETR的滚动轴承故障诊断研究［J］.兵器装备工程学报，2021,42(06):251-255,275. CHEN Gongsheng， TANG Xianghong， LU Jianguang, et al.Research on Fault Diagnosis of Rolling Bearing Based on CNNETR［J］.Journal of Ordnance Equipment Engineering,2021,42(06):251-255,275. |
| 刊期名称： | 2021年06期 |
| 出版时间： | 2021年6月 |
| 上线时间： | 2021年6月28日 |
| 浏览次数： | 2519 |
| 下载次数： | 437 |
| 免费阅读PDF 在线阅读 下载本期目录 下载本期封面 | |