基于融合特征的双通道CNN滚动轴承故障识别
来源：机械与电子杂志2021年第05期北京时间：
作者：齐爱玲;李琳;朱亦轩;张广明
单位：１．西安科技大学计算机科学与技术学院,陕西 西安 ７１００５４;２．北京化工大学信息科学与技术学院,北京 １０２２００;
３．西安科技大学机械工程学院,陕西 西安 ７１００５４
摘要：针对传统的滚动轴承故障识别方法效果较差,对专家经验依赖较高的问题,提出一种基于融合特征的双通道CNN滚动轴承故障识别方法.该方法首先将原始信号采用小波分解方法生成时频图,再将时频图和原始故障信号融合输入到Lenet-５网络中,进一步对故障特征进行准确提取,在输出层对数据进行融合,使用Softmax分类器对轴承故障进行分类.实验结果表明,该方法对不同种类的滚动轴承故障的识别均能做出准确的判断,识别准确率高.
关键词：故障诊断;深度学习;卷积神经网络;时频图
基金资助：国家自然科学基金资助项目(６１６７４１２１)?
