来源：期刊VIP网 时间：
作者：时培明;肖立峰;许学方;何俊杰;彭荣荣;
单位：燕山大学电气工程学院;南昌工学院非线性动力学及应用研究中心;
摘要：轧机设备运行过程中产生的振动信号和声音信号包含丰富的状况信息，而使用单类传感器采集信号难以捕获轧机的全面信息。针对上述问题，提出一种基于双通道异源信息融合的小波核-卷积神经网络算法。首先，将采集的振动信号转换成二维小波时频图作为二维卷积神经网络通道的输入；再设计一种小波核网络Wavelet kernel network (WKN)作为一维通道对声音信号进行处理；最后，将各通道提取的特征向量在汇聚层进行拼接，信息融合后实现对轧机设备的轴承状况诊断。为了验证该算法的有效性，搭建轧机状况实验平台。实验结果表明，在变工况下，双通道小波核-卷积神经融合网络对轧机轴承故障诊断准确率可达99%。
关键词：故障诊断;;轧机轴承;;双通道卷积神经网络;;小波卷积核
基金资助：国家自然科学基金项目（61973262）;; 河北省自然科学基金项目（E2019203146）;; 中央引导地方科技发展资金项目（216Z2102G）;; 江西省教育厅科学技术研究项目（GJJ212504）
