典型文献
基于改进残差网络的齿轮箱故障诊断研究
文献摘要：
深度残差网络中的残差模块能较大程度解决特征的丢失和损耗问题,从而能够搭建更深的层数来改善神经网络的训练效果,但是冗余噪声会干扰机械故障诊断精度.残差收缩模块(RSNB)利用注意力机制根据重要程度不同来对特征进行加权,自动地给各个样本设置不同的阈值,在降噪的同时最大程度的保护数据的原始特征.为加快网络训练速度,引入权值均值池化处理.经过实验测试RSNB模块改进的残差网络模型的降噪效果良好,很大程度提升了故障诊断的准确率.
文献关键词：
故障诊断;残差收缩模块;注意力机制;全局均值池化
中图分类号：
作者姓名：
张晓锋;郝如江;段泽森;夏晗铎;程旺
作者机构：
石家庄铁道大学机械工程学院,河北石家庄050043
文献出处：
引用格式：
[1]张晓锋;郝如江;段泽森;夏晗铎;程旺-.基于改进残差网络的齿轮箱故障诊断研究)[J].国防交通工程与技术,2022(03):35-37,34
A类：
RSNB
B类：
齿轮箱故障诊断,诊断研究,深度残差网络,残差模块,损耗问题,层数,训练效果,干扰机,机械故障诊断,故障诊断精度,残差收缩模块,注意力机制,重要程度,同来,网络训练,训练速度,权值,实验测试,残差网络模型,降噪效果,全局均值池化
AB值：
0.380696
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。
