1103 / 2023-03-06 09:12:35

使用多种类型数据基于深度学习的滚动轴承损伤诊断研究

近年来，即使不具备十分丰富的轴承诊断专业知识和经验，也可以通过计算机的深度学习技术对轴承损伤进行诊断的研究越来越受到重视。本研究使用多种类型的轴承（深沟球轴承、圆柱滚子轴承、球面滚子轴承）在多种运转条件下采集的数据集，基于CNN-LSTM模型的深度学习，对滚动轴承的损伤诊断进行研究。结果表明本文构筑的诊断模型比以往报告过的模型具有更好的泛化性能。此外为了弄清本文模型泛化能力高的原因，采用Grad-CAM方法对本文模型的诊断处理过程进行可视化研究，揭示了该模型泛化性高的主要原因是由于能够提取轴承剥落振动的共通特征，即周期性的冲击振动。