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
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：
基于一维多尺度神经网络和库普曼池化的滚动轴承故障诊断方法
1
作者 孙祯 周素霞 《科学技术与工程》 北大核心 2024年第24期10297-10304,共8页
滚动轴承作为机械运转的核心部件,其发生故障会导致旋转机械运行状态的恶化。卷积网络作为滚动轴承故障诊断的一种方法,针对其固定窗口局限性,结合一维卷积神经网络(1D convolutional neural network, 1D-CNN)在处理一维数据的优势,利... 滚动轴承作为机械运转的核心部件,其发生故障会导致旋转机械运行状态的恶化。卷积网络作为滚动轴承故障诊断的一种方法,针对其固定窗口局限性,结合一维卷积神经网络(1D convolutional neural network, 1D-CNN)在处理一维数据的优势,利用多尺度思想在同一层同时使用不同大小的窗口提取信号特征,根据时间维度信息对异常检测方法的影响,将1D-CNN的池化层与Koopman模型结合,得到高阶动态特征;最后将所得到的故障特征输入全连接层中进行故障诊断。为验证模型优势,对所提出的初始模型和两种改进模型在相同工况下进行对比,同时与支持向量机(support vector machine, SVM)和BP神经网络(back propagation neural network, BPNN)等算法进行对比分析。结果表明:所提模型的识别效果较好,滚动轴承故障准确率可以达到99.99%。 展开更多
关键词 滚动轴承 故障诊断 一维多尺度卷积网络(1D-CNN) koopman池化
下载PDF
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
使用帮助 返回顶部