典型文献
卷积神经网络与混沌理论在滚动轴承故障诊断中的应用
文献摘要：
为解决传统方法在判断轴承所处故障类型中因信号非线性强导致误判与错判,基于混沌理论,采用相空间重构法(Phase Space Reconstruction,PSR)还原系统动力学特性,通过卷积神经网络(Convolution Neural Network,CNN)学习并提取混沌序列中有效非线性信息,提出PSR-CNN智能故障诊断方法,并可视化吸引子轨迹,分析各故障信号非线性特性.以滚动轴承实验数据为研究对象,采用PSR-CNN方法进行轴承早期故障分析与诊断.结果表明:早期微弱故障信号因噪声干扰其吸引子轨迹不具备故障代表性;经CNN学习并提取有效非线性信息后,吸引子轨迹具有显著混沌特征,并呈故障可分状;采用PSR-CNN的故障诊断方法相比基于时域、频域所建立的CNN诊断模型具有更高的准确度与更好的泛化性能,且在收敛速度与稳定性方面均有较大优势.
文献关键词：
卷积神经网络;混沌;轴承;故障诊断
中图分类号：
作者姓名：
金江涛;许子非;李春;缪维跑;张万福;李根
作者机构：
上海理工大学能源与动力工程学院,上海200093;上海市动力工程多项流动与传热重点实验室,上海200093
文献出处：
引用格式：
[1]金江涛;许子非;李春;缪维跑;张万福;李根-.卷积神经网络与混沌理论在滚动轴承故障诊断中的应用)[J].机械强度,2022(02):287-293
A类：
B类：
混沌理论,滚动轴承故障诊断,断轴,故障类型,误判,错判,相空间重构,构法,Phase,Space,Reconstruction,PSR,系统动力学,动力学特性,Convolution,Neural,Network,混沌序列,智能故障诊断,故障诊断方法,吸引子,非线性特性,早期故障,故障分析,早期微弱故障,弱故障信号,噪声干扰,混沌特征,比基,频域,诊断模型,泛化性能,收敛速度
AB值：
0.344594
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。
