来源：期刊VIP网 时间：
作者：张岷涛;廖文豪;卿朝进;
单位：西华大学电气与电子信息学院;
摘要：作者利用深度神经网络进行滚动轴承的智能故障诊断（IFD），将人工智能在低成本小型化平台上实现了应用。作者在文章中优化改进了二维神经网络（CNN2D）的神经网络架构，并将其部署到STM32H743VI单片机，实现了轴承故障振动信号的识别和分类。网络的训练和验证使用凯斯西储大学（CWRU）轴承故障数据集，并获得其中的包含10种故障类型的数据。使用基于Tensorflow深度学习框架的Keras工具对CNN2D的神经网络进行训练。验证可知该改进模型对故障识别准确度可以达到98.90%。利用CubeAI工具将网络部署至单片机内。通过串口与电脑进行通信获取随机轴承数据，实测每次诊断运行时间为约为19 ms。
关键词：故障诊断;;二维卷积神经网络;;滚动轴承;;Keras
基金资助：四川省科技计划项目(2021JDRC0003)
