热能动力工程

作者：张 辉，曹云鹏，董昕阳，冯伟兴

单位：哈尔滨工程大学 动力与能源工程学院，黑龙江 哈尔滨 150001,,哈尔滨工程大学 动力与能源工程学院，黑龙江 哈尔滨 150001,,哈尔滨工程大学 智能科学与工程学院，黑龙江 哈尔滨 150001,,哈尔滨工程大学 智能科学与工程学院，黑龙江 哈尔滨 150001,

关键词：滚动轴承;故障诊断;卷积神经网络;深度特征;信息融合;抗噪

基金：国家科技重大专项（2017-I-0007-0008,J2019-I-0003-0004)

以滚动轴承作为研究对象，设计了深度可分离模块、残差骨干网络、金字塔池化结构和路径聚合结构等特征融合单元，建立了深度特征融合的卷积神经网络（Deep Feature Convolutional Neural Network，DFCNN），分析了随机梯度下降法对网络参数优化的有效性及数据集传递次数与模型精度的关系，开展了不同样本容量和不同噪声环境下的故障试验。结果表明：提出的DFCNN模型可以有效识别滚动轴承损伤部位以及损伤程度，诊断准确率大于99.5%；该模型对样本容量要求低、抗噪能力出色，当信噪比大于-4时诊断准确率大于98.86%。

来源：2022年第12期

《热能动力工程》期刊编辑部

查看热能动力工程杂志2022年第12期