典型文献
基于全矢增强深度森林的旋转设备智能故障诊断方法
文献摘要：
针对传统智能诊断方法需要专家知识和复杂特征提取,而深度神经网络模型复杂度高、构建难度大,以及单源信号信息不完备等问题,提出了一种新颖的全矢数据融合增强深度森林的旋转设备故障诊断方法.该方法根据旋转设备振动信号的特点,选择全矢谱技术与深度森林多粒度扫描相结合,用于接收同源双通道信号输入,增强了数据的完备性,并通过改善深度森林级联层来减少深层特征消失和特征冗余.为了验证所提出方法的有效性,分别进行了滚动轴承与轴向柱塞泵两例故障诊断实验研究,结果表明,该方法在不同旋转设备上都有很好的诊断效果,并可以实现端到端故障诊断.此外,该方法在小训练数据集上的故障识别准确率也非常高.
文献关键词：
故障诊断;旋转机械;深度森林;全矢谱;数据融合
中图分类号：
作者姓名：
姜万录;李满;张培尧;赵亚鹏;张淑清
作者机构：
燕山大学河北省重型机械流体动力传输与控制重点实验室,秦皇岛,066004;燕山大学先进锻压成形技术与科学教育部重点实验室,秦皇岛,066004;燕山大学电气工程学院,秦皇岛,066004
文献出处：
引用格式：
[1]姜万录;李满;张培尧;赵亚鹏;张淑清-.基于全矢增强深度森林的旋转设备智能故障诊断方法)[J].中国机械工程,2022(11):1324-1335
A类：
全矢谱
B类：
深度森林,旋转设备,智能故障诊断,故障诊断方法,智能诊断方法,专家知识,复杂特征,深度神经网络模型,模型复杂度,源信号,信息不完备,数据融合,融合增强,设备故障诊断,振动信号,多粒度扫描,双通道,完备性,深层特征,滚动轴承,轴向柱塞泵,两例,诊断实验,诊断效果,端到端,训练数据集,故障识别,识别准确率,旋转机械
AB值：
0.370533
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。
