典型文献
具有自寻优和协同感知的主轴系统故障数据分析研究
文献摘要：
围绕智能机床主轴系统故障诊断数据的融合分析问题展开研究,提出了一种具有自寻优和多维度协同感知的数据分析算法.设计了在强化学习驱动下的以双路径深度学习模型为核心的算法在线自寻优部分;基于离线、在线振动数据的波动特征分析、细节时频分析,以及电流特征分析,建立了多维度协同感知部分;采用D-S证据理论,对数据分析结果进行了量化融合判定.用凯斯西储大学轴承数据集,对所提算法主体环节的故障数据分析能力进行了验证.基于实际机床主轴系统的故障数据,对算法整体进了全面验证,以0.960 1的协同评估概率结果量化辨识出实际机床主轴系统的具体故障,验证了所提算法整体的有效性和准确性.
文献关键词：
主轴系统;自寻优;协同感知;深度学习;D-S证据理论
中图分类号：
作者姓名：
王伟平;王琦;于洋
作者机构：
沈阳工业大学 信息科学与工程学院,沈阳 110870;辽宁工业大学,辽宁 锦州 121001
文献出处：
引用格式：
[1]王伟平;王琦;于洋-.具有自寻优和协同感知的主轴系统故障数据分析研究)[J].振动与冲击,2022(22):284-292
A类：
B类：
自寻优,协同感知,系统故障,故障数据分析,智能机床,机床主轴系统,融合分析,分析问题,多维度协同,强化学习,学习驱动,双路径,深度学习模型,离线,线振动,波动特征,节时,时频分析,证据理论,凯斯,轴承数据,数据分析能力,协同评估,结果量,量化辨识
AB值：
0.292649
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。
