基于深度学习的矿井滚动轴承故障诊断方法

打开文本图片集

摘要：针对传统卷积神经网络在煤矿井下等复杂环境中难以充分挖掘数据特征等问题，提出了一种基于马尔可夫转移场（MTF）和双通道多尺度卷积胶囊网络（DMCCN）的矿井滚动轴承故障诊断方法，构建了MTF-DMCCN故障诊断模型。根据MTF和灰度图对原始振动信号进行编码后，采用双通道输入模式连接卷积网络获取浅层特征；将特征图进行融合后输入到胶囊网络，提高模型对空间信息的敏感度；在网络中引入Inception模块，聚焦多尺度特征，加强网络的特征提取能力；通过胶囊层进行向量化处理，实现滚动轴承的故障诊断与分类。（剩余15003字）