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

CORC > 沈阳自动化研究所 > 中国科学院沈阳自动化研究所 > 智能检测与装备研究室

	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.