计量学报

作者：严胜利,付辉,李浩

单位：广安职业技术学院,四川 广安 638000

关键词：滚动轴承; 故障诊断; 图卷积神经网络; Cmor小波; 过度计算

基金：四川高等职业教育研究中心项目(GZY24C08)

滚动轴承装设在各类机床等生产机械中,易出现故障并失效,需要持续监测以确保其安全可靠运行。基于此,设计了多路并行图卷积残差网络(MPGCN-Resnet)完成滚动轴承故障诊断。MPGCN-Resnet共包含4个部分:基于Cmor小波的时频图获取部分完成了各类故障振动信号中重构与拆解的细化处理;基于多路平行网络的特征获取部分可提升泛化性并加快收敛;残差结构图神经网络下的特征学习部分完成了特征学习,并实现了滚动轴承故障特征的深度发掘;GAP-Softmax故障分类部分完成了滚动轴承故障的有效诊断。采用CWRU轴承数据集完成MPGCN-Resnet和IHDSVM-Alexnet、MSATM方法在变工况、变噪声情况下准确度和损失值的对比与分析实验。结果表明,MPGCN-Resnet对滚动轴承的平均故障诊断准确度可达96.4%,在-6dB的噪声环境中高于91%,在负载突变3×0.75kW时大于90%。MPGCN-Resnet在各类变工况和变噪声环境中的滚动轴承故障诊断准确率均高于其他两种方法,并能缓解参量增加和过度计算的问题。

来源：2024年第12期

《计量学报》期刊编辑部

查看计量学报杂志2024年第12期