摘要
回転機械の運転プロセスは、多くのノイズを伴います。既存の単一チャネルネットワークは、回転機械の故障診断においてノイズに対する耐性が低いという問題があり、並列メカニズムを備えた二重チャネル入力Let Net-5畳み込みニューラルネットワークモデルが提案されました。モデルの合理性検証プロセスには、ケースウェスタンリザーブ大学のベアリングデータセットが使用されます。この基準の基づき、実際のノイズ状況をシミュレートするために-10dBのガウス性ホワイトノイズが既存のデータセットに追加されます。ショートタイムフーリエ変換を使用して、電動ファンと駆動端の振動データを処理し、時間周波数画像を双方のチャネル入力のLet Net-5畳み込みニューラルネットワークモデルに送信して、訓練および学習されます。研究の結果、二重チャネル入力Let Net-5畳み込みニューラルネットワークモデルは、騒音の激しい環境で故障特性をうまく捉えられることを示しています。多スケール特徴融合モデル、多モードカップリング入力ニューラルネットワークモデル、伝統的なK最近傍と決定木モデル、単一チャネル入力Let Net-5畳み込みニューラルネットワークモデルと比較して、二重チャネル入力Let Net-5畳み込みニューラルネットワークモデルはより高い効率と精度を持っています。
关键词
故障診断; 振動; ディープラーニング; ダブルチャンネル; ノイズ