典型文献
基于SincNet网络结合注意力机制齿轮箱故障诊断
文献摘要：
针对传统卷积神经网络(CNN)在齿轮箱中故障诊断准确率不高、特征提取方面表现欠佳的问题,提出了SincNet网络结合注意力机制齿轮箱故障诊断方法.首先,采用参数化的Sinc函数设计滤波器作为卷积层来代替传统CNN的第1个卷积层,得到SincNet网络结构,提取输入数据的特征信息;其次,结合具有Softmax的注意力机制(Att)增强特征信息.最后,采用齿轮箱故障数据集对所提出的方法进行实验验证,结果表明,所提方法平均诊断准确率达到99.68％,均高于对比方法.此外,通过特征图可视化分析,该方法能够准确定位输入数据中的识别信息,能更好地理解神经网络的特征提取过程,为机械振动信号的特征提取过程提供了参考.
文献关键词：
齿轮箱;故障诊断;Sinc函数;SincNet网络;注意力机制
中图分类号：
作者姓名：
杨永灿;刘韬;王振亚;张兹勤;阮强
作者机构：
昆明理工大学机电工程学院 昆明650500;云南省先进装备智能维护工程研究中心 昆明650500
文献出处：
引用格式：
[1]杨永灿;刘韬;王振亚;张兹勤;阮强-.基于SincNet网络结合注意力机制齿轮箱故障诊断)[J].电子测量技术,2022(05):169-174
A类：
B类：
SincNet,注意力机制,齿轮箱故障诊断,故障诊断准确率,故障诊断方法,参数化,滤波器,卷积层,输入数据,特征信息,Softmax,Att,故障数据,比方,特征图,图可视化,准确定位,机械振动,振动信号,信号的特征提取
AB值：
0.279999
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。
