首页|改良GoogLeNet的电机滚动轴承故障诊断

改良GoogLeNet的电机滚动轴承故障诊断

Fault Diagnosis of Motor Rolling Bearing Based on Improved GoogLeNet

扫码查看
原文链接
  • 维普
  • 万方数据
针对电机滚动轴承信号特征人工提取困难、故障分类效果差的问题,利用传统GoogLeNet模型单元与稠密连接思想结合,提出一种改良的GoogLeNet卷积神经网络结构.将提出的改良模型应用于电机滚动轴承的故障诊断试验,对原数据分组处理并贴上标签后,直接输入到改良模型中进行训练,最后将测试集输入到训练好的模型中,测试其分类准确率.由于诊断过程不需要进行人工特征提取,从而避免了人工提取故障特征时的困难和带来的误差,大大简化了故障识别过程,证明了改良GoogLeNet模型在故障诊断中的可行性.将提出的模型与传统GoogLeNet模型和其他典型模型做对比,结果表明,改良GoogLeNet卷积神经网络模型具有精确度高、特征提取能力强、收敛速度快、表现稳定的特点.

任爽、田振川、林光辉、杨凯、商继财

展开 >

东北石油大学电气信息工程学院,黑龙江大庆163318

深度学习 电机滚动轴承故障诊断 卷积神经网络 GoogLeNet网络 稠密连接

2019YDL-10

2022

吉林大学学报(信息科学版)
吉林大学

吉林大学学报(信息科学版)

CSTPCD
影响因子：0.607
ISSN：1671-5896
年,卷(期)：2022.40(3)
  • 1
  • 12