典型文献
基于MACNN的柴油机故障诊断方法研究
文献摘要：
高效、准确的故障诊断可以提高柴油机的安全性和可靠性.传统机械故障诊断方法中人工参与程度过高,对识别结果带来诸多不确定性.针对这一问题,提出一种基于多重注意力卷积神经网络(multiple attention convolutional neural networks,MACNN)的端到端故障诊断方法.该方法采用多层卷积神经网络(convolutional neural networks,CNN)结合卷积注意力模块(convolutional block attention module,CBAM)对原始时域数据进行特征提取;然后,对多维卷积输出特征图进行重组以保留其序列信息;最后,直接采用序列注意力机制完成序列特征的学习.经采用实测柴油机缸盖振动信号数据进行验证后表明:面对8分类柴油机故障数据集,MACNN能够达到97.88％的识别准确率,测试100个样本用时仅为0.35 s.与现有多种传统故障诊断方法和端到端故障诊断方法相比,均具有更好的诊断效果.
文献关键词：
多重注意力;卷积神经网络(CNN);故障诊断;端到端
中图分类号：
作者姓名：
程建刚;毕凤荣;张立鹏;李鑫;杨晓;汤代杰
作者机构：
天津大学 内燃机燃烧学国家重点实验室,天津 300072;天津内燃机研究所,天津 300072
文献出处：
引用格式：
[1]程建刚;毕凤荣;张立鹏;李鑫;杨晓;汤代杰-.基于MACNN的柴油机故障诊断方法研究)[J].振动与冲击,2022(10):8-15
A类：
MACNN
B类：
柴油机故障诊断,故障诊断方法,安全性和可靠性,机械故障诊断,参与程度,多重注意力,multiple,attention,convolutional,neural,networks,端到端,多层卷积神经网络,卷积注意力模块,block,module,CBAM,特征图,序列信息,注意力机制,序列特征,柴油机缸盖,振动信号,号数,故障数据,识别准确率,诊断效果
AB值：
0.293651
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。
