基于深度學習的礦井滾動軸承故障診斷方法

打開文本圖片集

摘要：針對傳統(tǒng)卷積神經(jīng)網(wǎng)絡在煤礦井下等復雜環(huán)境中難以充分挖掘數(shù)據(jù)特征等問題，提出了一種基于馬爾可夫轉(zhuǎn)移場（MTF）和雙通道多尺度卷積膠囊網(wǎng)絡（DMCCN）的礦井滾動軸承故障診斷方法，構(gòu)建了MTF-DMCCN故障診斷模型。根據(jù)MTF和灰度圖對原始振動信號進行編碼后，采用雙通道輸入模式連接卷積網(wǎng)絡獲取淺層特征；將特征圖進行融合后輸入到膠囊網(wǎng)絡，提高模型對空間信息的敏感度；在網(wǎng)絡中引入Inception模塊，聚焦多尺度特征，加強網(wǎng)絡的特征提取能力；通過膠囊層進行向量化處理，實現(xiàn)滾動軸承的故障診斷與分類。（剩余15003字）