典型文献
基于迁移学习与深度残差网络的滚动轴承快速故障诊断算法
文献摘要：
针对现有基于深度学习的滚动轴承故障诊断算法训练参数量大,训练时间长且需要大量训练样本的缺点,提出了一种基于迁移学习(TL)与深度残差网络(ResNet)的快速故障诊断算法(TL-ResNet).首先开发了一种将短时傅里叶变换(STFT)与伪彩色处理相结合的振动信号转三通道图像数据的方法;然后将在ImageNet数据集上训练的ResNet18模型作为预训练模型,通过迁移学习的方法,应用到滚动轴承故障诊断领域当中;最后对滚动轴承在不同工况下的故障诊断问题,提出了采用小样本迁移的方法进行诊断.在凯斯西储大学(CWRU)与帕德博恩大学(PU)数据集上进行了试验,TL-ResNet的诊断准确率分别为99.8％与95.2％,且在CWRU数据集上TL-ResNet的训练时间仅要1.5 s,这表明本算法优于其他的基于深度学习的故障诊断算法与经典算法,可用于实际工业环境中的快速故障诊断.
文献关键词：
迁移学习;深度学习;短时傅里叶变换(STFT);深度残差网络(ResNet);滚动轴承故障诊断
中图分类号：
作者姓名：
刘飞;陈仁文;邢凯玲;丁汕汕;张迈一
作者机构：
南京航空航天大学机械结构力学及控制国家重点实验室,南京210016;南京航空航天大学自动化学院,南京210016
文献出处：
引用格式：
[1]刘飞;陈仁文;邢凯玲;丁汕汕;张迈一-.基于迁移学习与深度残差网络的滚动轴承快速故障诊断算法)[J].振动与冲击,2022(03):154-164
A类：
伪彩色处理
B类：
迁移学习,深度残差网络,故障诊断算法,滚动轴承故障诊断,算法训练,参数量,训练时间,训练样本,TL,短时傅里叶变换,STFT,振动信号,三通道,图像数据,ImageNet,ResNet18,预训练模型,不同工况,诊断问题,小样本,凯斯,CWRU,德博,PU,诊断准确率,工业环境
AB值：
0.26186
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。
