典型文献
基于动态加权的多尺度残差网络旋转机械故障诊断算法
文献摘要：
针对传统的机械故障诊断方法特征提取困难问题,提出一种新颖的基于特征通道重标定的动态加权多尺度残差网络旋转机械故障诊断方法.将原始数据作为网络的输入,设计宽卷积层进行信息初步融合扩大模型的感受野;再分别构建三个独立的以残差块为基础的并行分支网络,通过设计多尺度卷积核分别从并行分支网络提取深度特征;接着设计动态加权层建立全局信息建模特征通道之间的动态非线性关系,对每个尺度的特征通道进行重标定,提高网络对故障信息的敏感性;将三个尺度的特征进行特征融合,通过分类器实现故障诊断.在多个数据集上进行试验,验证了该算法的有效性.
文献关键词：
旋转机械故障诊断;动态加权;一维残差网络;多尺度学习
中图分类号：
作者姓名：
史红梅;郑畅畅;司瑾;陈晶城
作者机构：
北京交通大学 机械与电子控制工程学院,北京 100044
文献出处：
引用格式：
[1]史红梅;郑畅畅;司瑾;陈晶城-.基于动态加权的多尺度残差网络旋转机械故障诊断算法)[J].振动与冲击,2022(23):67-74,93
A类：
B类：
动态加权,多尺度残差,旋转机械故障诊断,故障诊断算法,故障诊断方法,法特,困难问题,原始数据,卷积层,层进,大模型,感受野,残差块,分支网,多尺度卷积核,深度特征,全局信息,信息建模,模特,动态非线性,非线性关系,故障信息,特征融合,分类器,一维残差网络,多尺度学习
AB值：
0.310972
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。
