典型文献
基于1D-RSCNN的嵌入式轴承故障实时检测
文献摘要：
针对传统故障诊断模型参数多,训练、检测时间长,抗噪性差,不适用于在线实时诊断的问题,提出了基于残差连接和一维可分离卷积(1D-RSCNN)的滚动轴承故障诊断方法,构建了由Jetson Nano和信号采集电路组成的嵌入式系统.利用一维可分离卷积和全局平均池化对模型尺寸进行压缩,改善传统卷积的运算效率;通过宽卷积核,残差网络中引入Dropout提高对噪声的容忍度.试验结果表明,该方法诊断准确率高达99.92％,与其他模型相比,诊断精度高,实时性好,抗干扰能力强,适用于电机轴承故障的实时检测.
文献关键词：
电机故障;嵌入式;一维可分离卷积;残差连接;Jetson Nano
中图分类号：
作者姓名：
王秀芳;孙双;丁春阳
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]王秀芳;孙双;丁春阳-.基于1D-RSCNN的嵌入式轴承故障实时检测)[J].吉林大学学报（工学版）,2022(02):310-317
A类：
RSCNN,一维可分离卷积
B类：
1D,实时检测,故障诊断模型,检测时间,抗噪性,实时诊断,残差连接,滚动轴承故障诊断,故障诊断方法,Jetson,Nano,信号采集,采集电路,嵌入式系统,全局平均池化,模型尺寸,寸进,运算效率,宽卷积核,残差网络,Dropout,容忍度,诊断准确率,抗干扰能力,电机轴承,电机故障
AB值：
0.299103
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。
