基于数据映射和胶囊网络的轴承故障诊断方法
赵运基
张楠楠
周梦林
许孝卓
张新良
河南理工大学 电气工程与自动化学院,河南 焦作 454000
摘要：传统深度学习模型自适应提取振动信号故障特征,实现端到端轴承故障诊断.然而,振动监测信号为非常复杂的非稳态时序信号,若深度网络直接以原始振动信号为输入,数据之间的非线性耦合作用会极大影响模型对故障特征的提取效率.目的 为降低故障信号之间强非线性耦合作用,解决卷积神经网络对空间约束信息丢失的问题,提升轴承故障诊断性能,方法本文提出一种基于数据映射和胶囊网络(capsule network,CapsNet)的轴承故障诊断方法.首先,将图像处理领域中具有细化颜色特征能力的颜色空间模型(color names,CN)引入故障数据预处理中,将原始低维空间数据映射至高维空间,提升故障数据空间区分度;其次,针对映射后数据维度较高且具有一定冗余,影响故障诊断效率的问题,引入主成分分析(principal compo-nent analysis,PCA)法提取故障数据主元信息,降低数据维度;最后,考虑到胶囊网络有效提取空间约束信息的能力,将CapsNet作为故障诊断的骨干网络对故障特征进行识别和分类.结果 使用CWRU、XJTU-SY数据集对该方法进行验证,实验结果表明,该方法在两种数据集上故障诊断准确率均达98%以上,与其他基于深度学习的故障诊断方法进行对比,该方法的诊断性能具有一定优势.结论 本文方法可对故障数据进行有效解耦,提升数据之间的空间区分度,获得较高的轴承故障诊断精度.
关键词：轴承故障诊断颜色空间模型数据空间映射策略主成分分析胶囊网络
分类号：TH133.33(机械零件及传动装置)TP277(自动化技术及设备)TP18(自动化基础理论)
资助基金：国家自然科学基金(61973105)国家自然科学基金(61573130)国家自然科学基金(52177039)河南省高校基本科研业务费项目(NSFRF200504)河南省科技攻关资助项目(212102210145)河南省科技攻关资助项目(212102210197)河南省科技攻关资助项目(222102220016)
论文发表日期：2024-10-28
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：10( 108-117 )
英文信息