典型文献
一种改进LeNet5结合LightGBM的滚动轴承故障诊断方法
文献摘要：
针对传统卷积神经网络在滚动轴承故障诊断方面容易发生的过拟合、精度不足等问题,提出了一种改进LeNet5结合轻量级梯度提升机(LightGBM)的滚动轴承智能故障诊断方法.将滚动轴承的时域信号堆叠为二维的灰度图作为输入,通过改进卷积神经网络LeNet5实现原始数据特征的自适应提取,引入批归一化操作以及全局平均池化代替全连接层降低计算量,将特征输入LightGBM分类器中.使用西储大学轴承数据集以及INV1618实验台变转速数据进行实验结果验证,将该模型其他机器学习算法进行对比,证明了其在准确率和鲁棒性上的优势.
文献关键词：
滚动轴承;故障诊断;卷积神经网络;LeNet5;LightGBM
中图分类号：
作者姓名：
刁宁昆;马怀祥;刘锋
作者机构：
石家庄铁道大学河北省大型工程机械装备制造协同创新中心 石家庄050043;石家庄铁道大学机械工程学院 石家庄050043;北京东方振动和噪声技术研究所 北京100089
文献出处：
引用格式：
[1]刁宁昆;马怀祥;刘锋-.一种改进LeNet5结合LightGBM的滚动轴承故障诊断方法)[J].国外电子测量技术,2022(01):140-145
A类：
INV1618
B类：
LeNet5,LightGBM,滚动轴承故障诊断,故障诊断方法,面容,过拟合,轻量级梯度提升机,轴承智能故障诊断,时域信号,堆叠,灰度图,改进卷积神经网络,原始数据,数据特征,自适应提取,批归一化,全局平均池化,全连接层,计算量,分类器,轴承数据,实验台,变转速,机器学习算法
AB值：
0.291103
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。
