典型文献
深度残差对冲网络及其在滚动轴承故障诊断中的应用
文献摘要：
提出了一种新的深度残差对冲网络模型.首先,该模型借助Inception堆叠思想提出了堆叠卷积对冲结构块以加快网络收敛速度;然后,设计了新的恒等映射块,实现了输入层与中间各层的残差连接;最后,在全连接层引入Squash函数,防止损失梯度的发散.将提出的深度残差对冲网络应用于滚动轴承故障诊断,在预处理中将滚动轴承的振动加速度时域信号通过快速傅里叶变换得到的频谱图直接作为网络输入,从而简化了数据的预处理工作.利用两组实际的滚动轴承故障数据进行方法验证,并与18层深度残差网络(Resnet18)、卷积神经网络(CNN)等其他方法进行了对比验证.结果表明所提深度残差对冲网络模型的测试精度较其他模型高约2％,且训练时间能缩短1/3,充分表明本文方法具有很强的鲁棒性和收敛速度快等优点.
文献关键词：
深度学习;残差网络;对冲结构;Squash函数;滚动轴承;故障诊断
中图分类号：
作者姓名：
康玉祥;陈果;尉询楷;周磊
作者机构：
南京航空航天大学 民航学院,南京 210016;北京航空工程技术研究中心,北京 100076
文献出处：
引用格式：
[1]康玉祥;陈果;尉询楷;周磊-.深度残差对冲网络及其在滚动轴承故障诊断中的应用)[J].航空学报,2022(08):57-68
A类：
对冲结构,Squash
B类：
冲网,滚动轴承故障诊断,Inception,堆叠,网络收敛速度,恒等映射,输入层,残差连接,全连接层,止损,发散,网络应用,振动加速度,时域信号,快速傅里叶变换,频谱图,故障数据,方法验证,深度残差网络,Resnet18,其他方法,对比验证,测试精度,训练时间
AB值：
0.270365
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。
