典型文献
基于强制特征适配的卷积抗噪模型的滚动轴承故障诊断
文献摘要：
针对滚动轴承在噪声背景下的故障诊断研究不足的问题,提出一种基于卷积-注意力机制-强制特征适配(AMCNN-MFA)模型.卷积网络用于对振动信号进行高层特征提取,网络首尾加入通道注意力机制(CAM)用于动态分配特征通道的权重,过滤部分无效信息以减小干扰;强制特征适配(MFA)用于将原始样本和噪声样本中相同故障标签的特征进行领域重合,获取不变特征,实现了模型的适应噪声环境的能力.在不同轴承数据集中添加-10～10 dB噪声的测试集的试验结果表明:AMCNN-MFA模型的平均故障分类准确率高于96％且波动不超过0.4％,优于其他抗噪模型,具备较好的分类性能和鲁棒性,能够应对复杂噪声干扰场景下的滚动轴承故障诊断.
文献关键词：
滚动轴承;故障诊断;深度学习;注意力机制;特征适配
中图分类号：
作者姓名：
钱思宇;秦东晨;陈江义;袁峰
作者机构：
郑州大学 机械与动力工程学院,郑州 450001
文献出处：
引用格式：
[1]钱思宇;秦东晨;陈江义;袁峰-.基于强制特征适配的卷积抗噪模型的滚动轴承故障诊断)[J].轴承,2022(08):42-49
A类：
特征适配,AMCNN
B类：
滚动轴承故障诊断,诊断研究,研究不足,MFA,卷积网络,振动信号,首尾,通道注意力机制,CAM,动态分配,分配特征,部分无效,小干扰,不变特征,噪声环境,同轴,轴承数据,dB,测试集,故障分类,分类准确率,分类性能,复杂噪声,噪声干扰,干扰场景
AB值：
0.308263
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。
