基于改进一维卷积神经网络的滚动轴承故障识别

doi:10.13465/j.cnki.jvs.2022.03.026

	基于改进一维卷积神经网络的滚动轴承故障识别
	王琦; 邓林峰; 赵荣珍
刊名	振动与冲击
	2022-02-15
卷号	41 期号:03 页码:216-223
关键词	一维卷积神经网络滚动轴承故障识别
ISSN号	1000-3835
DOI	10.13465/j.cnki.jvs.2022.03.026
英文摘要	滚动轴承的故障识别对于防止旋转机械系统故障恶化并保证其安全运行具有重要意义。针对现有智能诊断模型参数多、识别效率低的问题,提出一种基于改进一维卷积神经网络的滚动轴承故障识别(FRICNN–1D)方法。通过引入1×1卷积核增强一维卷积神经网络模型的非线性表达能力;并用全局平局池化层代替传统卷积神经(CNN)网络中的全连接层,以降低模型参数和计算量,且防止过拟合现象。试验结果表明,该方法可以准确识别滚动轴承不同故障状态,具有一定的工程实际应用潜力。
URL标识	查看原文
语种	中文
出版者	Chinese Vibration Engineering Society
内容类型	期刊论文
源URL	[http://ir.lut.edu.cn/handle/2XXMBERH/155794]
专题	电气工程与信息工程学院机电工程学院
作者单位	兰州理工大学机电工程学院
推荐引用方式 GB/T 7714	王琦,邓林峰,赵荣珍. 基于改进一维卷积神经网络的滚动轴承故障识别[J]. 振动与冲击,2022,41(03):216-223.
APA	王琦,邓林峰,&赵荣珍.(2022).基于改进一维卷积神经网络的滚动轴承故障识别.振动与冲击,41(03),216-223.
MLA	王琦,et al."基于改进一维卷积神经网络的滚动轴承故障识别".振动与冲击 41.03(2022):216-223.