首页|基于动态卷积胶囊网络的滚动轴承故障诊断方法

基于动态卷积胶囊网络的滚动轴承故障诊断方法

扫码查看
原文链接
  • 万方数据
  • 维普
针对传统滚动轴承故障诊断方式泛化能力较薄弱的问题,提出一种动态卷积胶囊网络(DC-CapNets)的滚动轴承诊断方法.首先,将一维振动信号进行预处理,划分训练集和测试集;然后,采用快速傅里叶变换(FFT)对训练集和测试集样本进行时频转换;模型使用两个动态卷积层和池化层对输入频域信号进行特征提取,并将特征信息传输到胶囊网络中,从而得到诊断结果;通过CWRU(西储大学)数据集验证表明,这种方法在噪声和变载荷工况下仍保持较高的故障诊断准确率,具有良好的抗噪性和泛化性,优于卷积神经网络(CNN)和深度神经网络(DNN).
Rolling bearing fault diagnosis method based on dynamic convolution unit capsule network

杨遨宇、仲志丹、赵耀、张浩博、崔尧勒

展开 >

河南科技大学机电工程学院,洛阳 471003

滚动轴承 DC-CapNets 故障诊断 动态卷积 胶囊网络

河南省重大科技专项河南省科技研发计划联合基金

221100220100222103810030

2024

制造业自动化
北京机械工业自动化研究所

制造业自动化

CSTPCD
影响因子：0.482
ISSN：1009-0134
年,卷(期)：2024.46(1)
  • 5