基于GAF与GoogLeNet的轴承故障诊断研究

来源：机床与液压杂志2022年第1期北京时间：

作者：黄磊，马圣，曹永华

单位：江苏航空职业技术学院航空工程学院；成都芯米科技有限公司技术研发部；江苏航空职业技术学院航空工程学院

摘要：为提高滚动轴承故障识别准确率，同时避免繁琐的频谱分析，提出基于GAF与GoogLeNet的轴承故障诊断模型。在实验室中采集滚动轴承正常、内环故障、外环故障和滚动体故障4种工况下的振动信号，利用EMD对振动信号进行分解并提取累积贡献90%的分量；基于重叠采样原理，利用格拉姆算法将选择的EMD分量和原始振动信号处理为二维图片，并构建训练集、校验集和测试集；利用GoogLeNet模型对训练集进行特征学习，并将训练后的GoogLeNet模型用于测试轴承故障样本。结果表明：在GAF构建的数据集下，GoogLeNet模型能够使得轴承故障样本被较好地识别。

关键词：轴承故障诊断;格拉姆算法;GoogLeNet模型

基金资助：2020年度江苏航空职业技术学院院级课题资助项目（JATC20010101）