重参数化VGG网络在滚动轴承故障诊断中的应用研究 |
| |
引用本文: | 丁汕汕,陈仁文,黄翊君,刘飞,刘昊,肖安.重参数化VGG网络在滚动轴承故障诊断中的应用研究[J].振动与冲击,2023(11):313-323. |
| |
作者姓名: | 丁汕汕 陈仁文 黄翊君 刘飞 刘昊 肖安 |
| |
作者单位: | 1. 南京航空航天大学机械结构力学及控制国家重点实验室;2. 南京航空航天大学自动化学院 |
| |
基金项目: | 国家自然科学基金项目(51635008); |
| |
摘 要: | 基于神经网络的滚动轴承故障诊断方法训练时,存在诊断准确率低和易受到变工况噪声干扰的问题,提出一种基于重参数化VGG(RepVGG)滚动轴承故障诊断方法。为满足神经网络对数据量的要求,采用数据增强技术来扩充原始数据,使用短时傅里叶变换(STFT)对原始的振动信号处理成单通道时频图,并使用伪彩色处理技术转换成三通道时频图,进一步将数据输入到RepVGG网络的不同结构中进行滚动轴承的故障诊断。在凯斯西储大学(CWRU)滚动轴承数据集上开展试验验证,试验结果表明,RepVGG在变工况及噪声干扰下的平均诊断准确率分别为98.02%、95%以上,高于基于VGG、ResNet的故障诊断模型,有较高的故障诊断准确率且泛化性更好。
|
关 键 词: | 轴承故障诊断 RepVGG 数据增强 泛化性 |
|
|