典型文献
基于残差神经网络的滚动轴承故障诊断方法
文献摘要：
针对轴承故障诊断方法在变工况条件下诊断效果不佳的问题,提出了一种基于残差神经网络的滚动轴承故障诊断方法.该方法首先以滚动轴承时域信号数据作为输入,针对信号的时变性改进了数据池化层,改进的数据池化层利用三个连续的卷积层串联构建而成,目的在于能够有效地提取振动信号中的故障特征信息,并减少残差神经网络中参数的计算量;然后设计了一种空洞卷积和残差块相结合的空洞残差块,用于特征信息的学习;最后通过在全连接层后加入Dropout层丢弃一定比例的神经元,能有效避免过拟合的负面影响.使用凯斯西储大学轴承数据集进行仿真实验,与SVM+EMD+Hilbert包络谱、BPNN+EMD+Hilbert包络谱和Resnet三种方法作对比分析,结果表明该方法在变工况下的滚动轴承故障诊断中具有更高的诊断准确率、更强的抗噪性和泛化能力.
文献关键词：
残差神经网络;故障诊断;滚动轴承;变工况
中图分类号：
作者姓名：
朱奇先;梁浩鹏;赵小强;宋昭様
作者机构：
大型电气传动系统与装备技术国家重点实验室,甘肃天水 741000;兰州理工大学计算机与通信学院,甘肃兰州 730050;兰州理工大学 电气工程与信息工程学院,甘肃 兰州 730050
文献出处：
引用格式：
[1]朱奇先;梁浩鹏;赵小强;宋昭様-.基于残差神经网络的滚动轴承故障诊断方法)[J].兰州理工大学学报,2022(03):86-93
A类：
SVM+EMD+Hilbert,BPNN+EMD+Hilbert
B类：
残差神经网络,滚动轴承故障诊断,故障诊断方法,变工况,工况条件,诊断效果,先以,时域信号,号数,时变性,数据池,池化,卷积层,振动信号,故障特征,特征信息,计算量,空洞卷积,残差块,空洞残差,全连接层,Dropout,丢弃,定比,过拟合,凯斯,轴承数据,包络谱,Resnet,三种方法,诊断准确率,抗噪性,泛化能力
AB值：
0.314273
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
