双通道输入LetNet-5卷积神经网络旋转机械故障诊断模型研究Research on fault diagnosis model of rotating machinery based on two-channel input LetNet-5 convolution neural network
付忠广,王诗云,高玉才,周湘淇
摘要(Abstract)：
针对旋转机械运行过程中伴随着诸多噪声，现有单通道网络在旋转机械故障诊断过程中抗噪性较差的问题，提出了一种加入并联机制的双通道输入Let Net-5卷积神经网络模型。模型合理性检验过程采用了凯斯西储大学轴承数据集，在此基础上，添加信噪比为–10 d B的高斯白噪声模拟真实噪声情形；采用短时傅里叶变换将电机风扇端和驱动端振动数据进行处理，获得的时频图像传递至双通道输入的Let Net-5卷积神经网络进行训练学习。研究结果表明：双通道输入Let Net-5卷积神经网络模型能够良好捕捉到强噪声环境下的故障特征；相比于多尺度特征融合残差模型、多模态耦合输入神经网络模型、传统的K近邻与决策树模型及单通道输入Let Net-5卷积神经网络模型，双通道输入Let Net-5卷积神经网络具有更高的效率和精度。
关键词(KeyWords)： 故障诊断;振动;深度学习;双通道;噪声
基金项目(Foundation):
作者(Author): 付忠广,王诗云,高玉才,周湘淇
DOI: 10.19666/j.rlfd.202210240