期刊导航
期刊开放获取
cqvip
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于卷积神经网络图像分类的轴承故障模式识别
被引量：
29
1
作者
张安安
黄晋英
+1 位作者
冀树伟
李东
《振动与冲击》
EI
CSCD
北大核心
2020年第4期165-171,共7页
针对传统的基于数据驱动的机械故障模式识别方法中需要人工构造算法提取特征以及人工构造特征提取算法繁琐的问题,结合卷积神经网络(CNN)在图像特征自动提取与图像分类识别中的广泛应用,提出了一种基于CNN图像分类的轴承故障模式识别方...
针对传统的基于数据驱动的机械故障模式识别方法中需要人工构造算法提取特征以及人工构造特征提取算法繁琐的问题,结合卷积神经网络(CNN)在图像特征自动提取与图像分类识别中的广泛应用,提出了一种基于CNN图像分类的轴承故障模式识别方法。首先,利用集合经验模态分解(EEMD)方法对轴承振动信号进行自适应分解并用相关系数对得到的本征模函数分量进行筛选。其次,对筛选得到的本征模函数分量进行伪魏格纳-威利时频分析(PWVD)计算得到信号的时频分布图,并对时频图进行预处理。最后,将轴承15种不同工况预处理后的时频图利用CNN进行特征提取与分类识别。将该方法与同类方法进行了对比,分类正确率提高了4.26%。
展开更多
关键词
集合经验模态分解(EEMD)
伪魏
格
纳-威利时频分析(PWVD)
卷积
神经网
格
(
cnn
)
图像分类
轴承
模式识别
下载PDF
职称材料
题名
基于卷积神经网络图像分类的轴承故障模式识别
被引量：
29
1
作者
张安安
黄晋英
冀树伟
李东
机构
中北大学机械工程学院
中北大学大数据学院
出处
《振动与冲击》
EI
CSCD
北大核心
2020年第4期165-171,共7页
文摘
针对传统的基于数据驱动的机械故障模式识别方法中需要人工构造算法提取特征以及人工构造特征提取算法繁琐的问题,结合卷积神经网络(CNN)在图像特征自动提取与图像分类识别中的广泛应用,提出了一种基于CNN图像分类的轴承故障模式识别方法。首先,利用集合经验模态分解(EEMD)方法对轴承振动信号进行自适应分解并用相关系数对得到的本征模函数分量进行筛选。其次,对筛选得到的本征模函数分量进行伪魏格纳-威利时频分析(PWVD)计算得到信号的时频分布图,并对时频图进行预处理。最后,将轴承15种不同工况预处理后的时频图利用CNN进行特征提取与分类识别。将该方法与同类方法进行了对比,分类正确率提高了4.26%。
关键词
集合经验模态分解(EEMD)
伪魏
格
纳-威利时频分析(PWVD)
卷积
神经网
格
(
cnn
)
图像分类
轴承
模式识别
Keywords
ensemble empirical mode decomposition(EEMD)
pseudo Wigner-Ville time-frequency distribution(PWVD)
convolutional neural network(
cnn
)
image classification
bearing
pattern recognition
分类号
TH133.3 [机械工程—机械制造及自动化]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于卷积神经网络图像分类的轴承故障模式识别
张安安
黄晋英
冀树伟
李东
《振动与冲击》
EI
CSCD
北大核心
2020
29
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
