典型文献
应用Adabelief优化器的MSDNet在多工况下滚动轴承的故障诊断
文献摘要：
针对滚动轴承在多工况条件下故障特征难以识别的问题,从数据驱动的角度出发应用一维多尺度密集网络(MSDNet)对轴承进行故障诊断.首先,将时域信号作为MSDNet的直接输入,保持了信号本有的固有特性;其次采用3个并行卷积操作来提取轴承故障信号内部的多尺度信息,密集网络的加入防止了信息传递过程中的特征丢失,适当缓解了模型中的梯度消失问题;然后训练过程中采用Adabelief优化算法优化模型参数,使得模型在快速收敛的同时又提高了其泛化性能;最后通过混淆矩阵和特征可视化图展示出模型的分类性能,在凯斯西储大学轴承实验数据集和西安交通大学数据集上进行了多次实验,应用该算法故障识别率可达到98％以上,证明了该方法的有效性.
文献关键词：
滚动轴承;MSDNet;多工况故障诊断;深度学习
中图分类号：
作者姓名：
高乐乐;崔宝珍;王浩楠
作者机构：
中北大学机械工程学院 太原 030051
文献出处：
引用格式：
[1]高乐乐;崔宝珍;王浩楠-.应用Adabelief优化器的MSDNet在多工况下滚动轴承的故障诊断)[J].电子测量与仪器学报,2022(11):170-177
A类：
Adabelief,MSDNet
B类：
优化器,滚动轴承,工况条件,故障特征,维多,密集网络,时域信号,本有,固有特性,行卷,卷积操作,轴承故障,故障信号,多尺度信息,信息传递,传递过程,梯度消失,训练过程,算法优化,快速收敛,泛化性能,混淆矩阵,矩阵和,特征可视化,展示出,出模,分类性能,凯斯,西安交通大学,故障识别率,多工况故障诊断
AB值：
0.367107
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。
