典型文献
改良GoogLeNet的电机滚动轴承故障诊断
文献摘要：
针对电机滚动轴承信号特征人工提取困难、故障分类效果差的问题,利用传统GoogLeNet模型单元与稠密连接思想结合,提出一种改良的GoogLeNet卷积神经网络结构.将提出的改良模型应用于电机滚动轴承的故障诊断试验,对原数据分组处理并贴上标签后,直接输入到改良模型中进行训练,最后将测试集输入到训练好的模型中,测试其分类准确率.由于诊断过程不需要进行人工特征提取,从而避免了人工提取故障特征时的困难和带来的误差,大大简化了故障识别过程,证明了改良GoogLeNet模型在故障诊断中的可行性.将提出的模型与传统GoogLeNet模型和其他典型模型做对比,结果表明,改良GoogLeNet卷积神经网络模型具有精确度高、特征提取能力强、收敛速度快、表现稳定的特点.
文献关键词：
深度学习;电机滚动轴承故障诊断;卷积神经网络;GoogLeNet网络;稠密连接
中图分类号：
作者姓名：
任爽;田振川;林光辉;杨凯;商继财
作者机构：
东北石油大学电气信息工程学院,黑龙江大庆163318
文献出处：
引用格式：
[1]任爽;田振川;林光辉;杨凯;商继财-.改良GoogLeNet的电机滚动轴承故障诊断)[J].吉林大学学报（信息科学版）,2022(03):371-378
A类：
B类：
GoogLeNet,电机滚动轴承故障诊断,信号特征,故障分类,分类效果,稠密连接,神经网络结构,改良模型,模型应用,诊断试验,数据分组,贴上标签,测试集,集输,练好,分类准确率,诊断过程,故障特征,大大简化,故障识别,识别过程,典型模型,卷积神经网络模型,精确度高,特征提取能力,收敛速度
AB值：
0.312239
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。
