典型文献
一种基于对称极坐标优化的轴承深度迁移诊断方法
文献摘要:
针对一维机械振动信号的图形化特征表示问题,引入了对称极坐标表示法,同时结合卷积神经网络强大的图像分类识别能力,提出了一种基于对称极坐标和残差网络迁移学习的轴承故障诊断方法.为突显轴承振动信号故障特征并兼顾计算效率,利用对称极坐标表示法将一维机械振动信号快速转换成镜面对称雪花图,利用NSGA-II同步优化了数据采样长度和对称极坐标表示法的参数,获取可区分性更好的极坐标对称图像特征,然后利用残差网络进行迁移学习的训练和分类,结合美国西储大学轴承公开数据集对此方法进行验证,取得了良好的识别效果.
文献关键词:
故障诊断;对称极坐标;特征提取;迁移学习;残差网络
中图分类号:
作者姓名:
吴定海;王怀光;宋彬;张云强
作者机构:
陆军工程大学 石家庄校区,石家庄050003
文献出处:
引用格式:
[1]吴定海;王怀光;宋彬;张云强-.一种基于对称极坐标优化的轴承深度迁移诊断方法)[J].机械强度,2022(03):541-546
A类:
对称极坐标
B类:
深度迁移,迁移诊断,机械振动,振动信号,图形化,特征表示,坐标表示,表示法,图像分类,分类识别,识别能力,残差网络,迁移学习,轴承故障诊断,故障诊断方法,轴承振动,故障特征,计算效率,转换成,镜面对称,雪花,NSGA,II,同步优化,数据采样,可区分性,对称图,图像特征,公开数据集
AB值:
0.321547
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。