典型文献
基于一维残差网络的轴承故障诊断
文献摘要：
现有的轴承故障诊断方法依赖于人工提取特征,缺乏自适应性.卷积神经网络具有良好的特征自提取能力,可以自适应提取相关特征.但是采用传统卷积神经网络结构存在特征信息丢失的问题,残差结构可以防止特征信息的丢失,为此提出一种基于一维残差网络的轴承故障诊断方法.首先对原始振动信号进行小波阈值降噪处理,以减少噪声的干扰作用;然后将降噪信号作为一维残差网络的输入,自适应提取故障特征;最后通过Softmax分类器输出故障类别.实验结果表明,该方法与传统卷积神经网络方法相比,准确率更高.
文献关键词：
轴承故障诊断;小波阈值降噪;一维残差网络
中图分类号：
作者姓名：
郭保苏;章钦;吴凤和
作者机构：
燕山大学机械工程学院,河北 秦皇岛 066004;河北省重型智能制造装备技术创新中心,河北 秦皇岛 066004
文献出处：
引用格式：
[1]郭保苏;章钦;吴凤和-.基于一维残差网络的轴承故障诊断)[J].机械设计与制造工程,2022(08):89-92
A类：
B类：
一维残差网络,轴承故障诊断,故障诊断方法,提取特征,自适应性,特征自提取,自适应提取,神经网络结构,存在特征,特征信息,信息丢失,残差结构,振动信号,小波阈值降噪,降噪处理,故障特征,Softmax,分类器,神经网络方法
AB值：
0.242256
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。
