多卷积神经网络融合的滚动轴承故障识别方法

摘要

针对滚动轴承故障,提出了一种多卷积神经网络融合的滚动轴承故障识别方法.采集滚动轴承在不同状态下的振动信号,利用短时傅里叶变换得到二维时频谱图.基于二维时频谱图的数据结构设计得到二维卷积神经网络、一维时域卷积神经网络、一维频域卷积神经网络,利用这三个卷积神经网络的输出结果构建全连接神经网络进行融合.利用引导聚集集成学习方法训练这一神经网络融合模型,将测试信号输入训练后的神经网络融合模型,实现对滚动轴承故障的智能识别.基于滚动轴承故障试验数据集进行验证,结果表明所提出的多卷积神经网络融合的滚动轴承故障识别方法能够有效识别滚动轴承的故障,并且在相同准确率的前提下,训练稳定性和训练效率均高于单一卷积神经网络模型.