典型文献
融合注意力机制的电机故障检测系统设计
文献摘要：
针对传统电机故障检测方法需要依据专家经验进行手工特征信息提取以及卷积神经网络对相似故障类型的分辨率低等缺点,提出了一种DenseNet模型的改进结构.首先对电机信号进行滤波及预处理,将一维波形信号转换成二维频谱能量图,然后通过对DenseNet的部分卷积模块增加旁路模块进行信号的软阈值化,可以在网络训练学习时自动对信号进行降噪处理,得到足够的分类特征信息,避免了手工特征信息提取的繁琐及不确定性.最后,将改进后的模型用于电机故障类型的实时检测,并与其他几种算法进行对比,结果表明,所提出的算法特征信号分类明确、误检率低,对故障的识别准确率可以达到99.49％.
文献关键词：
卷积神经网络;电机故障;故障检测;软阈值化
中图分类号：
作者姓名：
敖邦乾;曾丽娟;陈孝玉;贺娟
作者机构：
遵义师范学院工学院,贵州遵义 563006;遵义师范学院物理与电子科学学院,贵州遵义 563006
文献出处：
引用格式：
[1]敖邦乾;曾丽娟;陈孝玉;贺娟-.融合注意力机制的电机故障检测系统设计)[J].西南大学学报（自然科学版）,2022(12):163-175
A类：
B类：
注意力机制,电机故障,故障检测系统,故障检测方法,专家经验,手工特征,特征信息提取,故障类型,DenseNet,波及,波形信号,信号转换,转换成,频谱能量,分卷,卷积模块,旁路,软阈值化,网络训练,训练学,降噪处理,分类特征,实时检测,算法特征,特征信号,信号分类,误检率,识别准确率
AB值：
0.379519
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。
