基于MSF和I-InceptionNet的变工况滚动轴承故障诊断

doi:10.13245/j.hust.250033

	基于MSF和I-InceptionNet的变工况滚动轴承故障诊断
	王进花1 ; 曹文宝 1; 周德义 2; 曹洁1,2,3
	2024-05-27
发表期刊	华中科技大学学报(自然科学版)
ISSN	1671-4512
摘要	针对滚动轴承在故障数据有限且不同工况下采集的信号之间具有不同的分布特性，导致大多数智能故障诊断方法在数据有限和变工况条件下故障诊断准确率低、鲁棒性差的问题，提出一种基于多传感器融合（Multisensor Fusion，MSF）和改进的InceptionNet网络（Improved InceptionNet，I-InceptionNet）的故障诊断方法。将采集的多种信号通过多相抗混叠滤波器进行重采样，然后转换为RGB图像作为模型的输入。使用注意力特征融合(Attention Feature Fusion， AFF)改进InceptionNet网络的连接层融合多传感器的图像数据，从而提高整体分类性能，最后对融合后的图像进行故障状态分类。将所提方法在帕德博恩大学轴承数据集和FEMTO-ST轴承数据集进行验证，实验结果表明，所提出的方法在变工况中诊断效果高于单一信号源和其他对比方法，融合效果更佳，并且在数据量有限的情况下也具有较高的诊断性能。
关键词	滚动轴承故障诊断 InceptionNet网络特征级融合多传感器
DOI	10.13245/j.hust.250033
URL	查看原文
收录类别	北大核心 ; CSCD
语种	中文
资助项目	国家自然科学基金(62063020，61763028);甘肃省自然科学基金(20JR5RA463)
中图分类号	TH133.33;TP18;TP212.9
原始文献类型	学术期刊
引用统计	无
文献类型	期刊论文
条目标识符	https://ir.lut.edu.cn/handle/2XXMBERH/171441
专题	电气工程与信息工程学院兰州理工大学
作者单位	1.兰州理工大学电气工程与信息工程学院; 2.甘肃省制造信息工程研究中心; 3.兰州城市学院信息工程学院
第一作者单位	电气工程与信息工程学院
第一作者的第一单位	电气工程与信息工程学院
推荐引用方式 GB/T 7714	王进花,曹文宝,周德义,等. 基于MSF和I-InceptionNet的变工况滚动轴承故障诊断[J]. 华中科技大学学报(自然科学版),2024.
APA	王进花,曹文宝,周德义,&曹洁.(2024).基于MSF和I-InceptionNet的变工况滚动轴承故障诊断.华中科技大学学报(自然科学版).
MLA	王进花,et al."基于MSF和I-InceptionNet的变工况滚动轴承故障诊断".华中科技大学学报(自然科学版) (2024).