期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于CCGAN和ResNet34的滚动轴承故障诊断方法
被引量:
1
1
作者
骆耀谱
王衍学
李孟
《机电工程》
CAS
北大核心
2023年第6期852-859,共8页
在实际的工业过程中,由于滚动轴承故障数据的小样本或样本分布不平衡问题很常见,导致许多算法难以准确地识别不同故障。针对这一问题,提出了一种基于条件卷积生成对抗网络(CCGAN)和ResNet34的深度神经网络故障诊断方法。首先,采集了滚...
在实际的工业过程中,由于滚动轴承故障数据的小样本或样本分布不平衡问题很常见,导致许多算法难以准确地识别不同故障。针对这一问题,提出了一种基于条件卷积生成对抗网络(CCGAN)和ResNet34的深度神经网络故障诊断方法。首先,采集了滚动轴承振动信号数据,并将振动信号转换为灰度图像,并增强了其数据特征;然后,采用CCGAN网络学习了原始小样本数据的特征,扩展了小样本不平衡数据集;最后,在滚动轴承振动信号的数据扩充和特征增强的基础上,采用ResNet34深度网络进行了一维振动信号的小样本不平衡故障诊断和分类。研究结果表明:随着小样本不平衡数据集逐步扩展到多维平衡数据集,该方法在不同数据集中故障诊断的准确性均得到了有效提高,在分类精度上达到了99.5%;诊断证明了其特征提取能力优于典型的机器学习和深度学习网络,从而验证了该方法在小样本不平衡故障诊断中的优势。
展开更多
关键词
小样本故障诊断
数据扩充
深度学习
生成对抗网络
残差结构
条件卷积生成对抗网络
改进的特征提取并增强方法
下载PDF
职称材料
题名
基于CCGAN和ResNet34的滚动轴承故障诊断方法
被引量:
1
1
作者
骆耀谱
王衍学
李孟
机构
北京建筑大学机电与车辆工程学院
北京建筑大学城市轨道交通服役性能保障北京市重点实验室
出处
《机电工程》
CAS
北大核心
2023年第6期852-859,共8页
基金
国家自然科学基金资助项目(51875032)
国家重点研发计划项目(2021YFF0306303)
北京建筑大学博士研究生科研能力提升项目(31081022002)。
文摘
在实际的工业过程中,由于滚动轴承故障数据的小样本或样本分布不平衡问题很常见,导致许多算法难以准确地识别不同故障。针对这一问题,提出了一种基于条件卷积生成对抗网络(CCGAN)和ResNet34的深度神经网络故障诊断方法。首先,采集了滚动轴承振动信号数据,并将振动信号转换为灰度图像,并增强了其数据特征;然后,采用CCGAN网络学习了原始小样本数据的特征,扩展了小样本不平衡数据集;最后,在滚动轴承振动信号的数据扩充和特征增强的基础上,采用ResNet34深度网络进行了一维振动信号的小样本不平衡故障诊断和分类。研究结果表明:随着小样本不平衡数据集逐步扩展到多维平衡数据集,该方法在不同数据集中故障诊断的准确性均得到了有效提高,在分类精度上达到了99.5%;诊断证明了其特征提取能力优于典型的机器学习和深度学习网络,从而验证了该方法在小样本不平衡故障诊断中的优势。
关键词
小样本故障诊断
数据扩充
深度学习
生成对抗网络
残差结构
条件卷积生成对抗网络
改进的特征提取并增强方法
Keywords
small sample fault diagnosis
data expansion
deep learning
generating adversarial networks(GAN)
residual structure(RS)
conditional convolution generates adversarial networks(CCGAN)
improved feature extraction enhancements(IFEE)method
分类号
TH133.33 [机械工程—机械制造及自动化]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于CCGAN和ResNet34的滚动轴承故障诊断方法
骆耀谱
王衍学
李孟
《机电工程》
CAS
北大核心
2023
1
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部