典型文献
基于自归一卷积特征提取的故障诊断研究
文献摘要：
提出基于自归一卷积神经网络(SNN)特征提取和IFA-SVM进行模式识别的轴承故障诊断方法.首先将原始信号进行短时傅里叶变换生成时频图,然后建立卷积神经网络(CNN)模型并将缩放指数线性单元(SELU)运用于卷积神经网络中形成自归一卷积神经网络,以此来提升对复杂振动信号的特征提取能力,最后将提取出来的特征输入至IFA-SVM模型中进行故障分类.实验结果表明:与传统的特征提取方法和CNN相比,所提方法具有较高的识别率和较快的收敛速度,实验识别率可达99.17％.
文献关键词：
故障诊断;滚动轴承;时频图;自归一卷积神经网络;萤火虫算法;支持向量机
中图分类号：
作者姓名：
常梦容;王海瑞;肖杨;王椿晶
作者机构：
昆明理工大学信息工程与自动化学院
文献出处：
引用格式：
[1]常梦容;王海瑞;肖杨;王椿晶-.基于自归一卷积特征提取的故障诊断研究)[J].化工自动化及仪表,2022(03):294-300
A类：
自归一卷积神经网络
B类：
卷积特征提取,诊断研究,SNN,IFA,模式识别,轴承故障诊断,故障诊断方法,短时傅里叶变换,时频图,立卷,缩放,指数线,SELU,振动信号,信号的特征提取,特征提取能力,故障分类,识别率,收敛速度,滚动轴承,萤火虫算法
AB值：
0.30037
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。
