基于ALIF-GAF-AlexNet的微电机故障分类.pdf

２０２４年５月机床与液压Ｍａｙ２０２４

第５２卷第９期ＭＡＣＨＩＮＥＴＯＯＬ＆ＨＹＤＲＡＵＬＩＣＳＶｏｌ５２Ｎｏ９

－

ＤＯＩ：１０．３９６９／ｊｉｓｓｎ１００１３８８１２０２４０９０２８

－－－

文献引用：刘其洪，陈璐，李伟光，等．基于ＡＬＩＦＧＡＦＡｌｅｘＮｅｔ的微电机故障分类［Ｊ］．机床与液压，２０２４，５２（９）：１８６１９１．

－－－

Ｃｉｔｅａｓ：ＬＩＵＱｉｈｏｎｇ，ＣＨＥＮＬｕ，ＬＩＷｅｉｇｕａｎｇ，ｅｔａｌ．ＭｉｃｒｏｍｏｔｏｒｆａｕｌｔｃｌａｓｓｉｆｉｃａｔｉｏｎｂａｓｅｄｏｎＡＬＩＦＧＡＦＡｌｅｘＮｅｔ［Ｊ］．ＭａｃｈｉｎｅＴｏｏｌ＆

－

Ｈｙｄｒａｕｌｉｃｓ，２０２４，５２（９）：１８６１９１．

－－

基于ＡＬＩＦＧＡＦＡｌｅｘＮｅｔ的微电机故障分类

刘其洪，陈璐，李伟光，伍世豪

（华南理工大学机械与汽车工程学院，广东广州５１０６４１）

摘要：微电机是一种重要的动力驱动元件，其诊断过程并不复杂，但人工听音比较低效且诊断结果片面，投入大量的

人工对其进行分类是不合理的。为了提高微电机的诊断效率和实用性，提出一种诊断方法。使用自适应局部迭代滤波方法

来降低噪声，然后用格拉姆角场将特征提取后的声音信号转换为图像，将转换后的图像应用深度卷积神经网络模型进行分

类研究。基于微电机声音信号实验采集装置，对采集的数据应用所提出的方法进行故障诊断分类，并与其他方法进行比

较。结果表明，该方法比其他方法具有更高的分类精度，准确率达到９４１％。

关键词：微电机；ＡＬＩＦ；ＧＡＦ；深度学习

中图分类号：Ｖ２３１９２；ＴＨ１３３２

－－－

ＭｉｃｒｏｍｏｔｏｒＦａｕｌｔＣｌａｓｓｉｆｉｃａｔｉｏｎＢａｓｅｄｏｎＡＬＩＦＧＡＦＡｌｅｘＮｅｔ

ＬＩＵＱｉｈｏｎｇ，ＣＨＥＮＬｕ，ＬＩＷｅｉｇｕａｎｇ，ＷＵＳｈｉｈａｏ

（ＳｃｈｏｏｌｏｆＭｅｃｈａｎｉｃａｌａｎｄＡｕｔｏｍｏｔｉｖｅＥｎｇｉｎｅｅｒｉｎｇ，ＳｏｕｔｈＣｈｉｎａＵｎｉｖｅｒｓｉｔｙｏｆＴｅｃｈｎｏｌｏｇｙ，

ＧｕａｎｇｚｈｏｕＧｕａｎｇｄｏｎｇ５１０６４１，Ｃｈｉｎａ）

Ａｂｓｔｒａｃｔ：Ｍｉｃｒｏｍｏｔｏｒｉｓａｎｉｍｐｏｒｔａｎｔｐｏｗｅｒｅｌｅｍｅｎｔ，ｉｔｓｄｉａｇｎｏｓｉｓｐｒｏｃｅｓｓｉｓｎｏｔｃｏｍｐｌｉｃａｔｅｄ，ｂｕｔｉｔｉｓｕｎｒｅａｓｏｎａｂｌｅｔｏｉｎｖｅｓｔａｌｏｔ

－

ｏｆｍａｎｕａｌｓｏｒｔｉｎｇ，ｗｈｉｃｈｗｉｌｌｂｒｉｎｇｉｎｅｆｆｉｃｉｅｎｔａｎｄｏｎｅｓｉｄｅｄｄｉａｇｎｏｓｉｓｒｅｓｕｌｔｓ．Ｉｎｏｒｄｅｒｔｏｉｍｐｒｏｖｅｔｈｅｄｉａｇｎｏｓｔｉｃｅｆｆｉｃｉｅｎｃｙａｎｄｐｒａｃｔｉｃａ⁃

ｂｉｌｉｔｙｏｆｍｉｃｒｏｍｏｔｏｒ，ａｄｉａｇｎｏｓｔｉｃｍｅｔｈｏｄｗａｓｐｒｏｐｏｓｅｄ．Ｔｈｅａｄａｐｔｉｖｅｌｏｃａｌｉｔｅｒａｔｉｖｅｆｉｌｔｅｒｉｎｇ