第４３卷第１期安徽理工大学学报（自然科学版）Ｖｏｌ．４３Ｎｏ．１２０２３年１月ＪｏｕｒｎａｌｏｆＡｎｈｕｉＵｎｉｖｅｒｓｉｔｙｏｆＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ（ＮａｔｕｒａｌＳｃｉｅｎｃｅ）Ｊａｎ．２０２３基于ＧＡＦ和卷积神经网络的轴承故障诊断研究周孟然１，宋乾坤２（１．安徽理工大学电气与信息工程学院，安徽淮南２３２００１；２．安徽理工大学人工智能学院，安徽淮南２３２００１）摘要：针对深度学习在轴承故障诊断中出现的多分类时测试准确率低、数据集不足的情况，提出基于格拉姆角场（ＧＡＦ）法和卷积神经网络（ＣＮＮ）的轴承故障诊断模型以及采用重叠采样２０％的方法扩充数据集。通过对轴承振动信号采用格拉姆角场法变换构建数据集，导入到搭建的六层卷积神经网络中实现故障分类。在搭建的ＣＮＮ中测试了不同的轴承数据集以及不同数据长度下的测试准确率和抗噪性能。结果表明，在不同数据集的测试中，所搭建的模型最高测试准确率可达１００％，搭建的ＣＮＮ有着良好的性能，在多分类问题上具有较高的精度；扩充数据集的方法具有一定的可行性，可以有效提升模型的测试性能。关键词：格拉姆角场；卷积神经网络；轴承故障诊断；抗噪性能中图分类号：ＴＰ１８１文献标志码：Ａ文章编号：１６７２－１０９８（２０２３）０１－０００８－０７收稿日期：２０２２－０６－２４作者简介：周孟然（１９６５－），男，安徽淮南人，教授，博士，研究方向：矿山机电系统监测、光电信息处理、煤炭安全监测监控。ＲｅｓｅａｒｃｈｏｎＦａｕｌｔＤｉａｇｎｏｓｉｓｏｆＢｅａｒｉｎｇｓＢａｓｅｄｏｎＧＡＦａｎｄＣｏｎｖｏｌｕｔｉｏｎＮｅｕｒａｌＮｅｔｗｏｒｋＺＨＯＵＭｅｎｇｒａｎ１，ＳＯＮＧＱｉａｎｋｕｎ２（１．ＳｃｈｏｏｌｏｆＥｌｅｃｔｒｉｃａｌａｎｄＩｎｆｏｒｍａｔｉｏｎＥｎｇｉｎｅｅｒｉｎｇ，ＡｎｈｕｉＵｎｉｖｅｒｓｉｔｙｏｆＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ，ＨｕａｉｎａｎＡｎｈｕｉ２３２００１，Ｃｈｉｎａ；２．ＳｃｈｏｏｌｏｆＡｒｔｉｆｉｃｉａｌＩｎｔｅｌｌｉｇｅｎｃｅ，ＡｎｈｕｉＵｎｉｖｅｒｓｉｔｙｏｆＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ，ＨｕａｉｎａｎＡｎｈｕｉ２３２００１，Ｃｈｉｎａ）Ａｂｓｔｒａｃｔ：Ｉｎｖｉｅｗｏｆｔｈｅｌｏｗｔｅｓｔａｃｃｕｒａｃｙａｎｄｉｎｓｕｆｆｉｃｉｅｎｔｄａｔａｓｅｔｓｉｎｔｈｅｍｕｌｔｉ－ｃｌ...
