来源：期刊VIP网 时间：
作者：李羽蒙;樊红;
单位：武汉大学测绘遥感信息工程国家重点实验室;
摘要：针对现有托辊诊断方法诊断装置安装复杂且分析过程复杂等问题，提出一种基于Mel频率倒谱系数（Mel frequency cepstrum coefficient,MFCC）和卷积神经网络（convolutional neural network,CNN）的故障诊断方法。首先对托辊运行声音信号的时频特征进行提取，通过Mel变换构造MFCC特征参数；然后建立卷积神经网络模型，对构造的MFCC特征向量进行训练，利用多层特征提取网络将MFCC特征向量逐层变换形成抽象的深层特征；最后使用训练好的卷积神经网络进行分类，输出故障识别结果，从而实现托辊故障诊断。实验结果表明：该算法对托辊故障声音诊断的准确率达到99.64%，检测性能较好且具有较好的鲁棒性，验证了所提方法的可行性和有效性。
关键词：故障诊断;;卷积神经网络;;梅尔频率倒谱系数;;托辊
基金资助：国家自然科学基金重点项目（编号：91746206）
