首页|基于多尺度卷积神经网络的滚动轴承智能诊断算法

基于多尺度卷积神经网络的滚动轴承智能诊断算法

扫码查看
原文链接
  • 万方数据
  • 维普
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.
Fault Diagnosis of Rolling Bearing Based on Multi-Scale Convolutional Neural Network

古天龙、孙镇海、宾辰忠、常亮

展开 >

广西可信软件重点实验室,广西桂林 541004

桂林电子科技大学,广西桂林 541004

故障诊断 深度学习 卷积神经网络 小样本 泛化性能

国家自然科学基金国家自然科学基金国家自然科学基金广西自然科学基金广西自然科学基金

U1711263U1501252615721462016GXNSFDA380006AC16380122

2022

机械设计与制造
辽宁省机械研究院

机械设计与制造

CSTPCD北大核心
影响因子：0.511
ISSN：1001-3997
年,卷(期)：2022.375(5)
  • 8
  • 3