典型文献
基于深度学习的机械轴承故障智能诊断
文献摘要：
智能故障诊断对于提高智能制造的可靠性具有重要意义.基于深度学习的故障诊断方法在工业领域已经取得了很大的成功,但是不同的模型提取的特征存在一定的差异.针对数据特征提取不全面等问题,提出一种基于深度学习的融合网络模型(CLOD).首先通过傅里叶变换对故障信号进行时频分析,得到时频谱样本,然后将样本送入经过LSTM模型和改进的CNN模型融合后的卷积网络模型(CLOD)中训练学习,最后通过更新网络参数来提高模型性能,实现轴承故障精确智能诊断.与传统方法比较,CLOD在保证准确率的基础上,极大地增加了模型的拟合速度和稳定性.
文献关键词：
故障诊断;傅里叶变换;卷积神经网络;特征融合;深度学习
中图分类号：
作者姓名：
辛瑞昊;苗冯博;王甜甜;董哲原;马占森;冯欣
作者机构：
吉林化工学院信息与控制工程学院,吉林吉林132022;吉林化工学院理学院,吉林吉林132022
文献出处：
引用格式：
[1]辛瑞昊;苗冯博;王甜甜;董哲原;马占森;冯欣-.基于深度学习的机械轴承故障智能诊断)[J].吉林化工学院学报,2022(11):25-29
A类：
CLOD
B类：
机械轴承,轴承故障,故障智能诊断,智能故障诊断,高智能,故障诊断方法,工业领域,数据特征,融合网络,傅里叶变换,故障信号,时频分析,时频谱,送入,模型融合,卷积网络,训练学,新网,网络参数,模型性能,方法比较,合速度,特征融合
AB值：
0.365848
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。
