典型文献
基于卷积神经网络的化工旋转机械故障识别
文献摘要：
针对化工旋转机械故障识别困难的问题,以旋转机械离心泵为例,通过分析二维卷积神经网络存在的问题,对卷积神经网络故障识别模型进行优化.首先利用小波变换等方法对机械振动信号进行特征提取,得到显著特征集,再利用降维方法去除不必要的环境噪音等冗余特征,使特征信息更容易被卷积神经网络识别;然后构建基于一维卷积神经网络的旋转机械故障识别模型,进行特征识别;最后,通过仿真试验,对上述改进后的故障识别模型进行验证.结果表明,通过特征提取优化和降维优化的一维卷积神经网络模型,训练时间极短,模型构建快速,同时具有更高的旋转机械故障识别准确率,证明改进后的旋转机械故障识别模型具有很高的可行性.
文献关键词：
CNN;化工机械;故障识别;特征提取
中图分类号：
作者姓名：
程凯
作者机构：
航空工业哈尔滨飞机工业集团有限责任公司,黑龙江 哈尔滨 150066
文献出处：
引用格式：
[1]程凯-.基于卷积神经网络的化工旋转机械故障识别)[J].粘接,2022(04):88-92
A类：
B类：
旋转机械故障,故障识别,离心泵,二维卷积神经网络,网络故障,识别模型,小波变换,机械振动,振动信号,显著特征,征集,降维方法,不必要,环境噪音,冗余特征,特征信息,一维卷积神经网络,特征识别,仿真试验,提取优化,卷积神经网络模型,训练时间,极短,识别准确率,化工机械
AB值：
0.249685
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。
