典型文献
第十八讲:基于1D-CNN的滚动轴承故障诊断算法研究
文献摘要：
作为旋转设备的关键部件之一,滚动轴承的故障诊断一直受到人们的关注,在故障分类研究中,传统的机器学习方法需要通过手动提取特征,因此特征的提取并不充分且自适应性不强.针对以上问题,本文使用一维卷积神经网络对对采集到的轴承振动信号进行数据集划分,使用训练集对1D-CNN进行训练,最后使用训练好的1D-CNN模型对滚动轴承的故障进行诊断,使用凯斯西储大学轴承数据中心提供的数据对1D-CNN模型进行实验,诊断正确率在99％以上,验证了 1D-CNN模型的有效性与准确性.
文献关键词：
1D-CNN;滚动轴承;故障诊断
中图分类号：
作者姓名：
孙志成;曾鹏;朱悦铭
作者机构：
中国科学院沈阳自动化研究所,沈阳市110016
文献出处：
引用格式：
[1]孙志成;曾鹏;朱悦铭-.第十八讲:基于1D-CNN的滚动轴承故障诊断算法研究)[J].仪器仪表标准化与计量,2022(06):4-7
A类：
B类：
第十八,1D,滚动轴承故障诊断,故障诊断算法,算法研究,旋转设备,关键部件,故障分类,分类研究,机器学习方法,过手,提取特征,特征的提取,自适应性,一维卷积神经网络,对对,轴承振动,振动信号,数据集划分,训练集,练好,凯斯,轴承数据,数据中心,诊断正确率
AB值：
0.376789
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。
