一种高度泛化的智能故障诊断方法，该方法采用双通道自适应缩放卷积神经网络和模态谱阵列映射技术

《Expert Systems with Applications》：A highly generalized intelligent fault diagnosis method using dual-channel adaptive scaling convolutional neural networks with mode spectral array map

　　

周圆圆|张先坤|刘永斌|王航|江国胜|沈刚

摘要

人工智能技术在旋转机械的智能故障诊断中发挥着关键作用。这类机械产生的振动信号由于受到强烈干扰而具有明显的噪声和时变特性，这限制了传统卷积神经网络从这些含噪、非平稳的时间序列信号中有效提取特征的能力。为了解决这一挑战，提出了一种新的方法，该方法将模态谱阵列图（MSAM）与双通道自适应缩放卷积神经网络相结合用于故障诊断。首先，对采集到的时间序列信号进行多分辨率和谱分析，以获得谱模态分量信号。然后利用格拉姆角和场（GASF）将这些分量转换为图像并按阵列顺序排列，构建MSAM-GASF样本集。其次，开发了一种双分支卷积神经网络架构，用于学习不同的MSAM权重值，从而实现高维特征的互补和增强。最后，在旋转机械上进行了多故障实验。实验结果表明，所提出的方法具有较高的故障识别精度，并且在强噪声和干扰条件下表现出优异的稳定性和鲁棒性。因此，该方法在旋转机械的智能故障诊断方面具有巨大的应用潜力。