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
采用多通道样本和深度卷积神经网络的轴承故障诊断方法
被引量:
20
1
作者
张弘斌
袁奇
+1 位作者
赵柄锡
牛广硕
《西安交通大学学报》
EI
CAS
CSCD
北大核心
2020年第8期58-66,共9页
提出了一种新的多通道样本构造方法,结合深度卷积神经网络来提高轴承故障诊断的效果。首先采用连续小波变换,分别提取了转子两端轴承振动信号的时频域特征,基于所得结果分别构造了针对两端轴承的单通道二维图形样本,并取上述两类单通道...
提出了一种新的多通道样本构造方法,结合深度卷积神经网络来提高轴承故障诊断的效果。首先采用连续小波变换,分别提取了转子两端轴承振动信号的时频域特征,基于所得结果分别构造了针对两端轴承的单通道二维图形样本,并取上述两类单通道样本的均值构造了第3类单通道样本;将得到的3类单通道样本融合,得到用于故障诊断的三通道样本;建立不同结构的深度卷积神经网络,分别采用单通道样本和三通道样本对滚动轴承故障类型和故障严重程度进行诊断,并将所得结果进行对比分析。结果表明:在多种不同网络结构下,基于三通道样本的轴承故障诊断准确率均明显优于单通道样本,证明了提出的多通道样本构造方法在轴承故障诊断中有着更好的效果,可以为轴承故障诊断方法和样本构建提供参考。
展开更多
关键词
轴承故障诊断
三通道样本
深度卷积神经网络
连续小波变换
下载PDF
职称材料
题名
采用多通道样本和深度卷积神经网络的轴承故障诊断方法
被引量:
20
1
作者
张弘斌
袁奇
赵柄锡
牛广硕
机构
西安交通大学能源与动力工程学院
陕西省叶轮机械及动力装备工程实验室
出处
《西安交通大学学报》
EI
CAS
CSCD
北大核心
2020年第8期58-66,共9页
基金
国家自然科学基金资助项目(11872289,11902237)
西安交通大学自然科学基金重点资助项目(ZRZD2017025)。
文摘
提出了一种新的多通道样本构造方法,结合深度卷积神经网络来提高轴承故障诊断的效果。首先采用连续小波变换,分别提取了转子两端轴承振动信号的时频域特征,基于所得结果分别构造了针对两端轴承的单通道二维图形样本,并取上述两类单通道样本的均值构造了第3类单通道样本;将得到的3类单通道样本融合,得到用于故障诊断的三通道样本;建立不同结构的深度卷积神经网络,分别采用单通道样本和三通道样本对滚动轴承故障类型和故障严重程度进行诊断,并将所得结果进行对比分析。结果表明:在多种不同网络结构下,基于三通道样本的轴承故障诊断准确率均明显优于单通道样本,证明了提出的多通道样本构造方法在轴承故障诊断中有着更好的效果,可以为轴承故障诊断方法和样本构建提供参考。
关键词
轴承故障诊断
三通道样本
深度卷积神经网络
连续小波变换
Keywords
bearing fault diagnosis
three-channel samples
deep convolutional neural network
continuous wavelet transform
分类号
TH17 [机械工程—机械制造及自动化]
TH133 [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
采用多通道样本和深度卷积神经网络的轴承故障诊断方法
张弘斌
袁奇
赵柄锡
牛广硕
《西安交通大学学报》
EI
CAS
CSCD
北大核心
2020
20
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