基于DeepLabV3+网络的滚动轴承故障特征识别 |
| |
引用本文: | 马朝永,马兴杰,胥永刚.基于DeepLabV3+网络的滚动轴承故障特征识别[J].轴承,2023(2):74-81. |
| |
作者姓名: | 马朝永 马兴杰 胥永刚 |
| |
作者单位: | 1. 北京工业大学先进制造技术北京市重点实验室;2. 北京工业大学北京市精密测控技术与仪器工程技术研究中心 |
| |
基金项目: | 国家自然科学基金资助项目(51775005); |
| |
摘 要: | 滚动轴承的故障信号一般具有非平稳、非线性的特点,通过时频分析可以得到信号中频率随时间的变化关系,有利于识别故障特征。提出了使用DeepLabV3+网络识别时频分布中故障特征的方法,对采集到的滚动轴承振动信号使用短时傅里叶变换得到时频分布,对时频分布中故障区域使用labelme进行标注;将振动信号数据集划分为训练集、验证集和测试集,训练集和验证集用来训练DeepLabV3+网络模型并调整其中的超参数,测试集用来测试网络的泛化能力。使用滚动轴承模拟信号与试验信号对提出的方法进行验证,结果表明该方法可以成功识别滚动轴承的故障特征。
|
关 键 词: | 滚动轴承 故障识别 时频 信号处理 DeepLabV3+ 傅里叶变换 |
|