基于CNN-ETR的滚动轴承故障诊断研究

摘要

针对一维卷积神经网络在处理时域信号时存在着特征丢失的现象,提出了一种二维卷积神经网络与极限树回归相结合的轴承故障诊断方法.将采集到的数据转变为灰度图像,利用卷积神经网络自提取轴承故障特征,将故障特征输入到极限树回归中进行训练与测试,在此基础上利用随机搜索算法在极限树回归中找到较优参数组合,从而实现自适应的轴承故障诊断.通过对CUT-2平台的数据集进行试验分析,使用了该模型进行轴承故障分类可达到99％的准确率.实验结果表明,该模型能有效识别故障轴承的类别,具有较好的鲁棒性.