基于多尺度谱图和卷积神经网络的轴承故障诊断
计算机视觉与模式识别
2025-08-26 v1
摘要
为解决传统轴承故障诊断方法诊断准确率低的挑战, 本文提出一种基于多尺度谱特征图像和深度学习的新颖故障诊断方法. 首先, 对振动信号经均值去除后, 通过快速傅里叶变换(FFT)转换为多长度谱. 其次, 构建一种基于多长度谱铺设方案的新型特征, 称为多尺度谱图像(Multi-scale Spectral Image, MSSI). 最后, 构建一个深度学习框架, 卷积神经网络(CNN), 用于轴承故障诊断. 采用两个实验案例验证所提方法的有效性. 实验结果表明, 所提方法显著提高了故障诊断的准确率.
引用
@article{arxiv.2503.21566,
title = {Bearing fault diagnosis based on multi-scale spectral images and convolutional neural network},
author = {Tongchao Luo and Mingquan Qiu and Zhenyu Wu and Zebo Zhao and Dingyou Zhang},
journal= {arXiv preprint arXiv:2503.21566},
year = {2025}
}
备注
12pages, 10 figures and 8 tables