典型文献
轴承变转速多模式下的深度卷积神经网络诊断方法研究
文献摘要：
针对轴承运行转速、损伤模式复杂多变的情况,传统的基于特征提取的传统故障诊断方法的效果不尽如人意.提出了一种基于深度卷积神经网络的轴承变转速多模式下的诊断方法,以振动原始数据作为网络的输入,利用卷积层进行特征提取,池化层进行特征约简,全连接层和分类器层进行故障识别.在设置合理的网络结构和参数的基础上,利用变转速多模式下的轴承故障数据建立了四分类诊断模型,其对测试数据集的诊断结果准确率达到98.6％,高于BP神经网络(72.8％)、支持向量机(76.9％)和浅层卷积网络(93.1％),表明了该方法的有效性.
文献关键词：
变转速;多模式;轴承;故障诊断;深度卷积神经网络
中图分类号：
作者姓名：
潘玉娜;程道来;魏婷婷;刀建明
作者机构：
上海应用技术大学 轨道交通学院,上海201418;上海应用技术大学城市建设与安全工程学院,上海201418;上海应用技术大学机械工程学院,上海201418
文献出处：
引用格式：
[1]潘玉娜;程道来;魏婷婷;刀建明-.轴承变转速多模式下的深度卷积神经网络诊断方法研究)[J].应用技术学报,2022(04):358-363
A类：
B类：
承变,变转速,多模式,深度卷积神经网络,网络诊断,承运,运行转速,损伤模式,故障诊断方法,尽如人意,原始数据,卷积层,层进,池化,特征约简,全连接层,分类器,故障识别,轴承故障,故障数据,四分类,分类诊断,诊断模型,测试数据,诊断结果,卷积网络
AB值：
0.342192
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。
