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. |
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