典型文献
一种基于多通道马尔可夫变迁场的故障诊断方法
文献摘要：
深度学习在故障诊断中有良好的诊断能力与泛化能力,但大部分工作是直接从卷积层面上提取信号特征图,使邻近信号点未被考虑,并且采样频率不同也会对特征提取有影响.为此,本文基于MTF以及ResNet18算法提出了M2TF-ResNet算法.本文在凯斯西储大学(CWRU)轴承数据集中进行了大量实验.通过验证得出:该算法可适应不同采样频率下信号的特征提取,避免训练过拟合,并且与其他故障诊断方式相比,该算法在诊断率上的优势更突出.
文献关键词：
故障诊断;深度学习;马尔可夫变迁场;残差神经网络
中图分类号：
作者姓名：
曹洁;马佳林;黄黛麟;余萍
作者机构：
兰州理工大学计算机与通信学院,兰州730050;甘肃省制造信息工程研究中心,兰州730050;兰州理工大学电气工程与信息学院,兰州730050
文献出处：
引用格式：
[1]曹洁;马佳林;黄黛麟;余萍-.一种基于多通道马尔可夫变迁场的故障诊断方法)[J].吉林大学学报（工学版）,2022(02):491-496
A类：
M2TF
B类：
多通道,马尔可夫变迁场,故障诊断方法,诊断能力,泛化能力,卷积层,取信,信号特征,特征图,采样频率,MTF,ResNet18,凯斯,CWRU,轴承数据,信号的特征提取,过拟合,诊断方式,诊断率,残差神经网络
AB值：
0.416551
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。
