论文摘要
智能故障诊断与预测技术在工业实际中得到了广泛地应用,但仍存在以下局限性:1)将不同退化程度的同类型故障作为多种不同的故障模式进行分类识别,脱离了工程应用的实际; 2)基于特定数据训练的诊断模型工况泛化能力差。针对上述问题,提出一种多任务特征共享神经网络,并将其应用于轴承的智能故障诊断与预测。首先,利用卷积神经网络(CNN)构建自适应特征提取器,从原始振动信号中提取深层次特征;其次,同时建立分类与预测的多任务特征共享诊断模型,实现故障类型分类以及故障尺寸预测。最后,通过凯斯西储大学轴承数据集验证了所提方法。试验结果表明:所提方法不但能同时实现对故障类型的分类以及故障尺寸的预测,而且具有较强的工况泛化能力。
论文目录
文章来源
类型: 期刊论文
作者: 王震,黄如意,李霁蒲,李巍华
关键词: 智能故障诊断,多任务学习,特征共享,卷积神经网络,长短时记忆网络
来源: 仪器仪表学报 2019年07期
年度: 2019
分类: 工程科技Ⅱ辑,信息科技
专业: 机械工业,自动化技术
单位: 华南理工大学机械与汽车工程学院
基金: 国家自然科学基金(51875208,51475170)资助项目
分类号: TH17;TP183
DOI: 10.19650/j.cnki.cjsi.J1905096
页码: 169-177
总页数: 9
文件大小: 582K
下载量: 329