典型文献
基于深度残差神经网络的轧机滚动轴承故障诊断方法
文献摘要：
近年来,智能故障诊断方法具有较高的机械装备故障诊断准确率.滚动轴承作为轧制生产线的核心部件之一,但目前文献中对轧机轴承的智能故障诊断研究较少.因此,本文提出基于深度残差网络深度学习模型的轧机滚动轴承智能故障诊断方法,实现"端到端"的自动化故障诊断,通过残差层信息连接提高模型训练稳定性,提升故障诊断准确率,并减少对专家知识的依赖.对所提出的方法在两个真实滚动轴承状态监测数据集进行验证,试验结果表明,该方法的准确率、查全率和查准率均为99.9％,相较于传统方法可显著提升轧机轴承诊断效果,并适合实际工程应用.
文献关键词：
故障诊断;深度学习;残差网络;滚动轴承
中图分类号：
作者姓名：
高坤;黄雁;马冰冰;吴菁晶;王磊;李旭
作者机构：
中重科技(天津)股份有限公司,天津300352;东北大学计算机科学与工程学院,辽宁沈阳110819;东北大学轧制技术及连轧自动化国家重点实验室,辽宁沈阳110819
文献出处：
引用格式：
[1]高坤;黄雁;马冰冰;吴菁晶;王磊;李旭-.基于深度残差神经网络的轧机滚动轴承故障诊断方法)[J].冶金自动化,2022(05):85-95
A类：
B类：
深度残差神经网络,轧机,滚动轴承故障诊断,故障诊断方法,机械装备,故障诊断准确率,轧制,生产线,核心部件,前文,机轴,诊断研究,深度残差网络,深度学习模型,轴承智能故障诊断,端到端,模型训练,专家知识,状态监测数据,查全率,查准率,诊断效果,实际工程应用
AB值：
0.302021
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。
