卷积神经网络在滚动轴承故障诊断中的应用

摘要

如今,滚动轴承在机械领域应用广泛,而滚动轴承是容易发生故障的零件。在滚动轴承故障诊断中,传统经验分析法受人工经验的影响局限性较大。鉴于此,文章设计了以长短时记忆(Long Short-Term Memory,LSTM)和卷积神经网络(Convolutional Neural Network,CNN)为基础的轴承故障诊断模型,通过故障数据对两种模型进行训练,在TensorFlow框架下,对LSTM和CNN两种不同方法进行了仿真对比。实验发现,基于CNN的轴承故障诊断模型在各方面性能都更为优异,准确率比基于LSTM的轴承故障诊断模型高出8%。实验结果表明,应用CNN模型能够提高滚动轴承故障诊断准确率,具有较高的应用价值。