針對一維卷積神經網絡單一卷積拓撲結構在提取不同工況下的信號特征時缺乏自適應性,難以處理復雜工況下的機械故障診斷問題,提出了一種基于多尺度卷積策略的卷積神經網絡(MACNN)故障診斷算法。首先將表征滾動軸承故障的一維振動信號輸入模型,然后利用卷積層中的多尺度卷積結構對原始信號進行卷積運算,實現不同角度的敏感特征提取,再通過池化層進行特征信息的提煉和簡化,最后利用全連接層實現檢測結果輸出。在公共數據集——凱斯西儲大學的軸承故障數據集上進行試驗,結果表明:MACNN算法和其他算法相比擁有更快的收斂速度和更高的識別準確率,為故障診斷提供了一種新的方法。同時,其在多工況下表現出的優(yōu)異泛化性能說明具備工業(yè)應用的可行性。

【文章頁數】：9 頁

【文章目錄】：
1 基于多尺度卷積策略CNN的滾動軸承故障診斷算法
    1.1 卷積神經網絡概念
    1.2 多尺度卷積策略
    1.3 MACNN診斷算法流程
        1.3.1 MACNN前向傳播過程設計
        1.3.2 模型訓練
2 試驗
    2.1 滾動軸承故障數據集
    2.2 參數設置
    2.3 滾動軸承故障診斷結果與分析
3 結束語



本文編號：3837518