典型文献
融合多源传感器数据与1D-CNN集成的转子故障诊断
文献摘要：
鉴于融合多传感器数据能够更全面的表征机械设备的运行状态信息,针对现有智能诊断模型需专家经验的特征提取、使用单一传感器数据无法获得设备状态完整信息等问题,提出了一种融合多源传感器数据与1D-CNN集成的转子故障诊断方法.通过分析数据特点,利用卷积神经网络强大的特征提取能力和良好的泛化性能,设计了1 D-CNN故障诊断模型,同时采用一系列防止过拟合的策略,把实验台上采集的振动信号直接输入至1 D-CNN进行模型训练,使用得到的模型对振动信号进行故障辨识.实验结果表明,该方法能够准确识别转子的工作状态,同时具有良好的鲁棒性和泛化能力.为学术研究提供了理论参考,且具有一定的工程实际应用推广价值.
文献关键词：
故障诊断;1D-CNN;多源传感器;转子系统
中图分类号：
作者姓名：
霍天龙;梁耀方;张博;覃帅兴
作者机构：
桂林航天工业学院 电子信息与自动化学院,广西 桂林 541004
文献出处：
引用格式：
[1]霍天龙;梁耀方;张博;覃帅兴-.融合多源传感器数据与1D-CNN集成的转子故障诊断)[J].桂林航天工业学院学报,2022(04):437-446
A类：
B类：
多源传感器,1D,转子故障,多传感器数据,机械设备,状态信息,智能诊断模型,专家经验,一传,设备状态,故障诊断方法,特征提取能力,泛化性能,故障诊断模型,过拟合,实验台,振动信号,模型训练,用得,故障辨识,准确识别,工作状态,泛化能力,工程实际,应用推广,转子系统
AB值：
0.303887
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。
