-
题名轮毂电机轴承故障的MIWF-2DCNN诊断方法
- 1
-
-
作者
戈淳
宋子为
商嘉桐
薛红涛
王天鸶
-
机构
江苏大学汽车与交通工程学院
-
出处
《电子测量与仪器学报》
CSCD
北大核心
2024年第9期127-135,共9页
-
基金
国家自然科学基金(52272367)项目资助。
-
文摘
为了有效监测复杂工况下分布式驱动电动汽车用轮毂电机的运行状态,提高其轴承故障的识别准确率,提出一种基于多信息加权融合和二维卷积神经网络(MIWF-2DCNN)的故障诊断方法。首先,将轮毂电机轴承的多方位振动监测信号分别进行二维数据重构和时频变换,逐一转化成灰度图后按照方位顺序堆叠成时域灰度图集和时频域灰度图集,作为故障诊断模型的输入;其次,将高效通道注意力机制(ECANet)的网络结构进行改进,提出了改进高效通道注意力机制(iECANet),其核心思想是在全局平均池化(GAP)基础上添加上全局最大池化(GMP)分支,基于有效信息的贡献度更新各分支的权重系数,进而提取时域和时频域的故障特征,实现了多信息加权融合;再次,利用GMP简化传统二维卷积神经网络(2DCNN)模型的一层全连接层,实现了网络轻量化。最后,基于轮毂电机不同工况下实验数据,进行同一工况下对应验证、不同工况下交叉验证及消融实验验证。结果表明所提的MIWF-2DCNN模型能够有效提取轮毂电机轴承故障特征,在复杂环境和多变工况下故障识别率保持在95%以上,整体优于传统的LeNet-5、1DCNN模型。
-
关键词
轮毂电机
二维卷积神经网络
多信息加权融合
故障诊断
通道注意力
-
Keywords
in-wheel motor
two-dimensional convolutional neural network
multi information weighted fusion
fault diagnosis
channel attention
-
分类号
TH17
[机械工程—机械制造及自动化]
TN762
[电子电信—电路与系统]
-
