典型文献
改进MSEA-CNN的船舶电机轴承故障诊断方法
文献摘要：
由于舰船电机轴承信号类型较多,且大多数为无用信号,降低了故障信号分量之间的相关性,因此研究改进MSEA-CNN的船舶电机轴承故障诊断方法.利用自适应线性神经网络,设计移除非轴承故障分量滤波器,在轴承振动信号内剔除非故障信号分量,提取轴承故障信号分量.通过生成式对抗神经网络,得到各故障信号分量的样本标签,实现故障信号分量分类.融合样本标签与故障信号分量,获取故障诊断训练集.利用注意力与多尺度卷积神经网络,建立故障诊断模型.实验证明:该方法可有效提取故障信号分量;该方法提取故障信号分量特征间的相关系数较低,说明该方法具备较优的特征提取效果.
文献关键词：
对抗神经网络;船舶电机;轴承故障;滤波器;故障信号分量;诊断模型
中图分类号：
作者姓名：
李忠;王闻恺;王鹏飞
作者机构：
交通运输部南海航海保障中心广州航标处,广东广州510000;交通运输部水运科学研究院,北京100088
文献出处：
引用格式：
[1]李忠;王闻恺;王鹏飞-.改进MSEA-CNN的船舶电机轴承故障诊断方法)[J].舰船科学技术,2022(14):119-122
A类：
MSEA,船舶电机,故障信号分量
B类：
电机轴承,轴承故障诊断,故障诊断方法,舰船,信号类型,无用,移除,除非,故障分量,滤波器,轴承振动,振动信号,生成式对抗神经网络,样本标签,训练集,多尺度卷积神经网络,故障诊断模型,有效提取,提取效果
AB值：
0.16191
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。
