典型文献
1DAMCNN方法在滚动轴承故障诊断中的应用
文献摘要：
针对传统滚动轴承故障诊断方法中特征提取依赖人工经验、处理过程繁琐以及识别准确率较低的问题,提出一种端到端基于一维注意力混合卷积神经网络(One Dimensional Attention Mixed Convolution Neural Network,1DAMCNN)的轴承故障诊断方法.该方法首先引入空洞卷积,构造混合卷积用于增大特征提取的感受野范围,以获取更全面的特征信息.然后加入注意力机制,增强模型对关键特征信息的提取能力,实现对轴承故障的智能诊断.试验数据分析结果表明,相比其他故障诊断方法,固定负载工况下该方法自适应性强,准确率高达99％以上.在只有60个样本量的情况下,该故障诊断方法准确率超过88％,表明其具有出色的特征提取能力.最后通过对比实验和可视化技术,验证所提方法的有效性.
文献关键词：
故障诊断;特征提取;卷积神经网络;空洞卷积;注意力机制
中图分类号：
作者姓名：
段浩明;王娆芬
作者机构：
上海工程技术大学 电子电气工程学院,上海 201620
文献出处：
引用格式：
[1]段浩明;王娆芬-.1DAMCNN方法在滚动轴承故障诊断中的应用)[J].噪声与振动控制,2022(06):111-118
A类：
1DAMCNN
B类：
滚动轴承故障诊断,故障诊断方法,识别准确率,端到端,端基,混合卷积神经网络,One,Dimensional,Attention,Mixed,Convolution,Neural,Network,空洞卷积,感受野,特征信息,注意力机制,增强模型,关键特征,智能诊断,试验数据分析,负载工况,自适应性,样本量,出色,特征提取能力,可视化技术
AB值：
0.301609
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。
