典型文献
基于改进深度残差收缩网络的轴承故障诊断
文献摘要：
为解决噪声背景中轴承故障诊断精度不高的问题,提出了一种新的轴承故障诊断方法.利用连续小波变换将采集到的振动信号转换成小波时频图,采用多尺度膨胀卷积对深度残差收缩网络进行改进,扩大卷积核的感受野,并将交叉熵损失函数改进成加权交叉熵损失函数.实验结果表明,与其他深度学习算法相比,本算法故障诊断的准确率较高.
文献关键词：
轴承;故障诊断;深度残差收缩网络;小波时频图;多尺度膨胀卷积
中图分类号：
作者姓名：
李雪松;李劲华;吕智涵
作者机构：
青岛大学数据科学与软件工程学院,青岛266071
文献出处：
引用格式：
[1]李雪松;李劲华;吕智涵-.基于改进深度残差收缩网络的轴承故障诊断)[J].青岛大学学报（自然科学版）,2022(02):38-43,50
A类：
多尺度膨胀卷积
B类：
进深,深度残差收缩网络,轴承故障诊断,中轴,故障诊断精度,故障诊断方法,连续小波变换,振动信号,信号转换,转换成,小波时频图,大卷,卷积核,感受野,加权交叉熵损失函数,深度学习算法
AB值：
0.218059
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。
