一種基于對稱極坐標優(yōu)化的軸承深度遷移診斷方法

打開文本圖片集

摘要針對一維機械振動信號的圖形化特征表示問題，引入了對稱極坐標表示法，同時結合卷積神經(jīng)網(wǎng)絡強大的圖像分類識別能力，提出了一種基于對稱極坐標和殘差網(wǎng)絡遷移學習的軸承故障診斷方法。為突顯軸承振動信號故障特征并兼顧計算效率，利用對稱極坐標表示法將一維機械振動信號快速轉換成鏡面對稱雪花圖，利用 NSGA-II 同步優(yōu)化了數(shù)據(jù)采樣長度和對稱極坐標表示法的參數(shù)，獲取可區(qū)分性更好的極坐標對稱圖像特征，然后利用殘差網(wǎng)絡進行遷移學習的訓練和分類，結合美國西儲大學軸承公開數(shù)據(jù)集對此方法進行驗證，取得了良好的識別效果。（剩余10736字）