摘要
近些年由于深度学习技术的介入,机械故障诊断算法也日新月异.但是现有的方法过于依赖大量数据支撑并缺乏较好的泛化能力.针对目前存在的两个问题,这里提出了一种基于多尺度卷积神经网络的全新算法(MSCNN).该方法以轴承原始振动时序信号作为输入,为了实现预期效果,这里采取了如下三种解决思路;(1)模型使用具有一定重复率的样本数据,大幅扩充了样本数量;(2)引入多尺度卷积核进行特征提取;(3)模型根据振动信号的固有特征选择卷积核尺寸.MSCNN不仅能在少量数据下得到近乎100％的故障识别精度,还能够在不同数据集交叉中,表现出优秀的泛化性能.
基金项目
国家自然科学基金(U1711263)
国家自然科学基金(U1501252)
国家自然科学基金(61572146)
广西自然科学基金(2016GXNSFDA380006)
广西自然科学基金(AC16380122)
维普
万方数据