改进胶囊网络的滚动轴承故障诊断方法
作者：孙岩,彭高亮 单位：哈尔滨工业大学机电工程学院 本文刊于： 《哈尔滨工业大学学报》 2021年第01期
关键词:
滚动轴承 改进胶囊网络 特征提取结构 损失值计算 故障诊断 抗噪性Keywords
Rolling bearing, improved capsule network, feature extraction structure, loss calculation, fault diagnosis, noise resistance
全文下载：需积分3点。
摘要
针对滚动轴承工作环境噪声复杂,振动信号信噪比低且呈现非平稳和非线性的特点,以及传统诊断方法在噪声环境下分类诊断准确率低等问题,提出一种基于改进胶囊网络特征提取结构和反向传播损失值计算方法的滚动轴承故障诊断模型.应用多尺度卷积核Inception结构和空间注意力机制,替代传统胶囊网络单一卷积层进行特征提取,得到不同尺度下、重点区域突出的特征数据,利用胶囊结构构建向量神经元,通过动态路由的特征传递方式,得到分类结构数字胶囊,实现故障诊断;训练过程损失计算采用间隔损失和重构损失相结合的方法,通过调节二者比例系数,构建更加合理的反向传播计算过程.为验证模型的实际诊断效果,利用凯斯西储大学轴承数据集中4种转速及对应4种负载工况下的实验数据,通过添加不同幅值能量的高斯白噪声,以降低信噪比的方式开展实验;与双卷积层胶囊网络和传统卷积神经网络进行对比分析.结果表明,与其他诊断方法相比,提出的方法在噪声环境下能得到良好的诊断结果,抗噪性方面具有明显优势.
本文地址：www.fabiao.net/content-24-4037-1.html
本文地址：www.fabiao.net/content-24-4037-1.html
