典型文献
基于CNN的变工况滚动轴承故障诊断研究
文献摘要：
针对滚动轴承工作环境多变和样本不足导致故障诊断效果不佳的问题,提出一种多模态注意力卷积神经网络.该网络采用多个并行卷积层构建,并结合注意力机制,有效地提取了丰富的故障特征.然后提出了两种有限数据条件下的数据增强方法,解决了数据样本不足的问题.另外,将采集到的滚动轴承时域信号通过小波变换转换为时频图谱作为网络输入来提高数据质量,利用多种转频下故障数据对所提方法进行实验分析.结果 表明,该方法在变工况实验中准确率高,聚类效果明显,说明该方法能有效提高变工况下轴承故障诊断的精度,具有很好的应用价值.
文献关键词：
变工况轴承故障诊断;卷积神经网络;注意力机制;数据增强;小波变换
中图分类号：
作者姓名：
张珂;王竞禹;石怀涛;张啸尘;付玲
作者机构：
沈阳建筑大学机械工程学院,辽宁沈阳110168;中联重科股份有限公司,湖南长沙410006
文献出处：
引用格式：
[1]张珂;王竞禹;石怀涛;张啸尘;付玲-.基于CNN的变工况滚动轴承故障诊断研究)[J].控制工程,2022(02):254-262
A类：
B类：
滚动轴承故障诊断,诊断研究,诊断效果,行卷,卷积层,注意力机制,故障特征,有限数据,数据条件,数据增强,增强方法,时域信号,小波变换,时频图,数据质量,故障数据,变工况轴承故障诊断
AB值：
0.275424
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。
