典型文献
基于格拉姆角场和多尺度CNN的轴承故障诊断
文献摘要：
为解决噪声干扰导致轴承故障分类准确率降低的问题,提出了一种基于格拉姆角场(GAF)和多尺度卷积神经网络(MSCNN)的端到端故障诊断方法.通过对故障信号进行GAF图像变换保留时间序列的相关性与依赖性,并将图像输入MSCNN中进行分类,利用改进的激活函数克服传统CNN的梯度下降问题以获得更好的分类结果.试验结果表明,所提方法在轴承故障诊断中的分类准确率能够达到99.67％,而且具有较高的鲁棒性,适用于不同工况下轴承振动信号的故障诊断.
文献关键词：
滚动轴承;故障诊断;深度学习;卷积神经网络;格拉姆角场;激活函数
中图分类号：
作者姓名：
骆家杭;张旭;汪靖翔
作者机构：
上海工程技术大学 机械与汽车工程学院,上海 201600;河南科技大学 机电工程学院,河南 洛阳 471003
文献出处：
引用格式：
[1]骆家杭;张旭;汪靖翔-.基于格拉姆角场和多尺度CNN的轴承故障诊断)[J].轴承,2022(06):73-78
A类：
B类：
格拉姆角场,轴承故障诊断,噪声干扰,故障分类,分类准确率,GAF,多尺度卷积神经网络,MSCNN,端到端,故障诊断方法,故障信号,图像变换,保留时间,激活函数,梯度下降,不同工况,轴承振动,振动信号,滚动轴承
AB值：
0.28253
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。
