基于ARCN模型的轴承故障诊断

梁海涛; 王立纲; 王亮; 张庆峰

doi:10.13224/j.cnki.jasp.20210186

Chinese

您当前的位置：

首页 >

文章列表页 >

基于ARCN模型的轴承故障诊断

结构、强度、振动 | 更新时间：2025-04-07

- 基于ARCN模型的轴承故障诊断
- Bearing fault diagnosis based on ARCN model
- 航空动力学报 2021年36卷第9期页码：1793-1803
- 作者机构：
  
  1.四川三星通用航空有限责任公司机务工程部，成都 610051
  2.中国民用航空飞行学院广汉分院，四川广汉 618307
  3.中国民用航空飞行学院飞行技术学院，四川广汉 618307
- 作者简介：
  
  梁海涛（1976-），男，高级工程师，研究方向为航空发动机故障诊断。E⁃mail：lianghaitao7603@163.com
  张庆峰（1982-），男，副教授，硕士生，研究方向为工程力学与飞机结构健康监测。E⁃mail：zqfcafuc@163.com
- 基金信息：
  
  青年科学基金项目(12002368)
- DOI：10.13224/j.cnki.jasp.20210186
  中图分类号：
- 稿件说明：
移动端阅览
梁海涛, 王立纲, 王亮, 等. 基于ARCN模型的轴承故障诊断[J]. 航空动力学报, 2021,36(9):1793-1803.

Haitao LIANG, Ligang WANG, Liang WANG, et al. Bearing fault diagnosis based on ARCN model[J]. Journal of Aerospace Power, 2021, 36(9): 1793-1803.
梁海涛, 王立纲, 王亮, 等. 基于ARCN模型的轴承故障诊断[J]. 航空动力学报, 2021,36(9):1793-1803. DOI： 10.13224/j.cnki.jasp.20210186.

Haitao LIANG, Ligang WANG, Liang WANG, et al. Bearing fault diagnosis based on ARCN model[J]. Journal of Aerospace Power, 2021, 36(9): 1793-1803. DOI： 10.13224/j.cnki.jasp.20210186.

摘要

提出注意力循环机制与胶囊网络融合的注意力循环胶囊网络（ARCN）的诊断模型。提取时序特征信息构建初级胶囊；自适应融合路由机制、注意力循环机制构建数字胶囊特征；基于西储大学轴承实验数据，验证了ARCN模型的准确率、鲁棒性、稳定性、收敛误差，其准确率相比Caps模型识别准确率提高1.2%、收敛误差达到0.2。基于实验仿真平台，采集正常、内环故障、外环故障和滚动体故障的振动信号，并通过小波基变换获取的时频图构建ARCN模型的数据集。仿真实验结果表明：ARCN模型下，每类故障被误诊的概率不超过总样本的1%。

Abstract

The attention recurrent and capsule network （ARCN） diagnosis model was proposed by integrating the attention cycle mechanism and capsule network.Firstly，the bidirectional LSTM network was used to extract the time⁃series characteristic information to construct the primary capsule.Secondly，routing mechanism and attention cycle mechanism were used to construct adaptively digital capsule.The accuracy，robustness，stability and convergence error of ARCN model in bearing fault identification were verified by bearing experiment data of Western Reserve University.The accuracy of ARCN model was 1.2% higher than that of Caps model.The convergence error of the ARCN model reached 0.2.Based on the experimental simulation platform，the vibration signals of normal，inner ring fault，outer ring fault and rolling element fault were collected.The results showed that the misdiagnosis probability of each kind of fault was less than 1% of the total samples under ARCN model.

关键词

Keywords

references

马圣 . 极限学习机在航空轴承故障诊断中的应用研究 [D]. 天津：中国民航大学 , 2019 .

MA Sheng . Applied research on aeroengine bearing fault diagnosis based on extreme learning machine [D]. Tianjin : Civil Aviation University of China , 2019 . （in Chinese）

蔡赛男 , 宋卫星 , 班利明 , 等 . 基于鲸鱼算法优化LSSVM的滚动轴承故障诊断 [EB/OL].[ 2021⁃04⁃17 ]. https:∥doi.org/10.13195/j.kzyjc.2020.1147 https://doi.org/10.13195/j.kzyjc.2020.1147 .

宋霖 , 宿磊 , 李可 , 等 . 基于SSD和1DCNN的滚动轴承故障诊断方法 [J]. 华中科技大学学报（自然科学版） , 2020 , 48 （ 12 ）: 38 ⁃ 43 .

SONG Lin , SU Lei , LI Ke , et al . Fault diagnosis method of rolling bearing based on SSD and 1DCNN [J]. Journal of Huazhong University of Science and Technology （Natural Science Edition） , 2020 , 48 （ 12 ）: 38 ⁃ 43 . （in Chinese）

李红贤 , 韩延 , 吴敬涛 , 等 . 基于ICA包络增强MEMD的滚动轴承故障诊断 [J]. 航空动力学报 , 2021 , 36 （ 2 ）: 405 ⁃ 412 .

LI Hongxian , HAN Yan , WU Jingtao , et al . Rolling bearing fault diagnosis based on MEMD with ICA envelop enhancement [J]. Journal of Aerospace Power , 2021 , 36 （ 2 ）: 405 ⁃ 412 . （in Chinese）

皮骏 , 马圣 , 贺嘉诚 , 等 . 基于IGA⁃ELM网络的滚动轴承故障诊断 [J]. 航空学报 , 2018 , 39 （ 9 ）: 233 ⁃ 244 .

PI Jun , MA Sheng , HE Jiacheng , et al . Rolling bearing fault diagnosis based on IGA⁃ELM network [J]. Acta Aeronautica et Astronautica Sinica , 2018 , 39 （ 9 ）: 233 ⁃ 244 . （in Chinese）

HAIDONG S , HONGKAI J , YING L , et al . A novel method for intelligent fault diagnosis of rolling bearings using ensemble deep auto⁃encoders [J]. Mechanical Systems and Signal Processing , 2018 , 102 （ 1 ）: 278 ⁃ 297 .

宫文峰 , 陈辉 , 张泽辉 , 等 . 基于改进卷积神经网络的滚动轴承智能故障诊断研究 [J]. 振动工程学报 , 2020 , 33 （ 2 ）: 400 ⁃ 413 .

GONG Wenfeng , CHEN Hui , ZHANG Zehui , et al . Intelligent fault diagnosis for rolling bearing based on improved convolutional neural network [J]. Journal of vibration engineering , 2020 , 33 （ 2 ）: 400 ⁃ 413 . （in Chinese）

ZHU Z A , PENG G A , CHEN Y A , et al . A convolutional neural network based on a capsule network with strong generalization for bearing fault diagnosis [J]. Neurocomputing , 2019 , 323 : 62 ⁃ 75 .

ZHANG S W , ZHANG S B , ZHANG C L , et al . Cucumber leaf disease identification with global pooling dilated convolutional neural network [J]. Computers and Electronics in Agriculture , 2019 , 162 : 422 ⁃ 430 .

SABOUR S , FROSST N , HINTON G E . Dynamic routing between capsules [R]. Long Beach,US ： the 31st International Conference on Neural Information Processing Systems , 2017 .

MADHU G , GOVARDHAN A , SRINIVAS B S , et al . Imperative dynamic routing between capsules network for malaria classification [J]. Computers ,Materials and Continua, 2021 , 680 （ 1 ）： 903 ⁃ 919 .

CHEN T Y , WANG Z H. , YANG X , et al . A deep capsule neural network with stochastic delta rule for bearing fault diagnosis on raw vibration signals [J]. Measurement , 2019 , 148 : 106857.1 ⁃ 106857.15 .

衷路生 , 刘东东 . 多级神经网络的轴承故障诊断研究 [J]. 计算机工程与应用 , 2020 , 56 （ 7 ）: 193 ⁃ 199 .

ZHONG Lusheng , LIU Dongdong . Research on bearing fault diagnosis of multi⁃level neural network [J]. Computer Engineering and Applications , 2020 , 56 （ 7 ）: 193 ⁃ 199 . （in Chinese）

RU Y , HUANG , YI X , et al . Deep decoupling convolutional neural network for intelligent compound fault diagnosis [J]. IEEE Access , 2018 ， 7 : 1848 ⁃ 1858 .

沈炜域 . 基于自注意力与动态路由的文本建模方法 [J]. 软件导刊 , 2019 , 18 （ 1 ）: 56 ⁃ 60,64 .

SHEN Weiyu . A text modeling method based on self⁃attention and dynamic routing [J]. Software Guide , 2019 , 18 （ 1 ）: 56 ⁃ 60,64 . （in Chinese）

张文涛 . 基于BiLSTM网络的领域问答系统关键技术研究 [D]. 长沙：湖南师范大学 , 2020 .

ZHANG Wentao . Research on the key technologies of domain question answering system based on BiLSTM networks [D]. Changsha : Hunan Normal University , 2020 . （in Chinese）

Case Western Reserve University Bearing Data Center . Bearing data center fault test data [EB/OL].[ 2020⁃ 10⁃01 ]. http:∥www.eecs.case.edu/laboratory/bearing http://www.eecs.case.edu/laboratory/bearing .

朱娜 , 母其海 , 刘志邦 , 等 . 基于多尺度小波变换和时频图的微波源故障检测 [J]. 电子测量技术 , 2021 , 44 （ 13 ）: 48 ⁃ 53 .

ZHU Na , MU Qihai , LIU Zhibang , et al . Fault detection of microwave source based on multi⁃scale wavelet transform and time⁃frequency diagram [J]. Electronic measurement technology , 2021 , 44 （ 13 ）: 48 ⁃ 53 . （in Chinese）

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于台架试验的涡轴发动机喘振发生位置规律

基于自适应分段混合系统的轴承故障诊断

基于三维接触摩擦单元的套齿连接解析建模研究

基于自适应MOMEDA滚动轴承故障特征提取方法

考虑多源不确定性的复合材料风扇叶片高周疲劳失效概率评估