基于SWT和改进CNN的滚动轴承故障诊断方法

宋存利, 袁晓萌, 张雪松

大连交通大学学报 ›› 2025, Vol. 46 ›› Issue (02) : 52-58. DOI: 10.13291/j.cnki.djdxac.2025.02.007

基于SWT和改进CNN的滚动轴承故障诊断方法

  • 宋存利, 袁晓萌, 张雪松
作者信息 +
History +

摘要

针对滚动轴承故障分类识别精度低、变负载模型泛化能力差的问题,提出一种基于同步压缩小波变换(SWT)和密集连接混合空洞卷积神经网络(DMCNN)的故障诊断方法。SWT将一维振动信号转换成二维信号时频图;DMCNN在CNN基础上引入密集连接结构和混合空洞卷积来进行特征提取和故障分类,利用密集连接结构来提高特征利用率,并通过混合空洞卷积来减少训练时长。试验与对比分析结果表明,该方法有较高识别精度,在变负载情况下也有更好的泛化能力。

关键词

故障诊断 / 同步压缩小波变换 / 卷积神经网络 / 混合空洞卷积 / 密集连接

中图分类号

TH133.33 / TP183

引用本文

导出引用
宋存利, 袁晓萌, 张雪松. 基于SWT和改进CNN的滚动轴承故障诊断方法. 大连交通大学学报. 2025, 46(02): 52-58 https://doi.org/10.13291/j.cnki.djdxac.2025.02.007

基金

国家自然科学基金项目(62276042); 辽宁省教育厅科学研究计划项目(LJKZ0486)

评论

Accesses

Citation

Detail

段落导航
相关文章

/