基于多通道时频域信号的卷积神经网络智能故障诊断技术 | |
孙仕鑫1,2,3,4; 高洁1,3,4; 王伟1,2,3,4; 杜劲松1,3,4; 杨旭1,3,4 | |
刊名 | 科学技术与工程 |
2021 | |
卷号 | 21期号:15页码:6386-6393 |
关键词 | 负载域适应能力 空洞卷积 全局最大池化 多通道时频域信号 |
ISSN号 | 1671-1815 |
其他题名 | Intelligent Fault Diagnosis Technique of Convolutional Neural Networks Based on Multi-channel Time-frequency Signals |
产权排序 | 1 |
英文摘要 | 在滚动轴承故障诊断中,算法难以学习所有负载下的健康状态特征,为有效诊断滚动轴承在变负载下的健康状态,算法需要较强的负载域适应能力。针对上述问题,提出了基于多通道时频域信号的卷积神经网络算法。不同的小波提取不同的特征,算法采用多种小波可以提供多样的健康状态特征。并且全局最大池化替换每一空洞卷积之后的最大池化,从全局范围内提取最大激活。因此,算法只需在源域下训练,即可在目标域下得到良好的诊断效果。为验证该算法的有效性,利用公共数据集进行实验。实验结果表明,该算法在不同负载下的分类精度较其他算法有明显提高,从而可以有效识别滚动轴承的健康状态。 |
语种 | 中文 |
资助机构 | 中国科学院战略性先导科技专项(C类)(XDC04030200) ; 中国科学院STS项目(KFJ-STS-QYZD-107) ; 工信部智能制造综合标准化与新模式应用项目(2018-15) |
内容类型 | 期刊论文 |
源URL | [http://ir.sia.cn/handle/173321/29159] |
专题 | 沈阳自动化研究所_智能检测与装备研究室 |
通讯作者 | 高洁 |
作者单位 | 1.辽宁省智能检测与装备技术重点实验室 2.中国科学院大学 3.中国科学院机器人与智能制造创新研究院 4.中国科学院沈阳自动化研究所 |
推荐引用方式 GB/T 7714 | 孙仕鑫,高洁,王伟,等. 基于多通道时频域信号的卷积神经网络智能故障诊断技术[J]. 科学技术与工程,2021,21(15):6386-6393. |
APA | 孙仕鑫,高洁,王伟,杜劲松,&杨旭.(2021).基于多通道时频域信号的卷积神经网络智能故障诊断技术.科学技术与工程,21(15),6386-6393. |
MLA | 孙仕鑫,et al."基于多通道时频域信号的卷积神经网络智能故障诊断技术".科学技术与工程 21.15(2021):6386-6393. |
个性服务 |
查看访问统计 |
相关权益政策 |
暂无数据 |
收藏/分享 |
除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。
修改评论