典型文献
基于参数优化VMD和1D-CNN的滚动轴承故障诊断
文献摘要：
针对在强噪声干扰下滚动轴承故障诊断准确率较低这一问题,提出一种基于参数优化变分模态分解(VMD)和一维卷积神经网络(1D-CNN)的滚动轴承故障诊断方法.首先,使用哈里斯鹰算法对VMD算法中的相关参数进行优化,并根据所得的最佳参数对原始轴承振动信号进行VMD分解;其次,依据加权稀疏峭度最大原则优选模态分量,并将最佳分量输入到改进的1D-CNN模型进行故障诊断.实验结果表明,该方法具有较强的抗噪性能,在0 dB的信噪比情况下仍能保持94.83％的故障诊断准确率.
文献关键词：
滚动轴承;故障诊断;变分模态分解;参数优化;一维卷积神经网络;注意力机制
中图分类号：
作者姓名：
李子国;石晴;刘继超;冯思强;李敬兆
作者机构：
安徽理工大学计算机科学与工程学院,安徽淮南 232001;淮北合众机械设备有限公司,安徽淮北 235037
文献出处：
引用格式：
[1]李子国;石晴;刘继超;冯思强;李敬兆-.基于参数优化VMD和1D-CNN的滚动轴承故障诊断)[J].现代信息科技,2022(16):66-70
A类：
B类：
VMD,1D,滚动轴承故障诊断,强噪声,噪声干扰,故障诊断准确率,变分模态分解,一维卷积神经网络,故障诊断方法,哈里斯鹰算法,最佳参数,轴承振动,振动信号,峭度,大原,模态分量,抗噪性能,dB,注意力机制
AB值：
0.217978
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。
