|
|||||
|
|
| 基于GCNN的滚动轴承故障诊断 | |
| 引用本文： | 张振宇,王娆芬,朱安康. 基于GCNN的滚动轴承故障诊断[J]. 噪声与振动控制, 2021, 41(4): 60-65,181. DOI: 10.3969/j.issn.1006-1355.2021.04.010 |
| 作者姓名： | 张振宇 王娆芬 朱安康 |
| 作者单位： | ( 上海工程技术大学电子电气工程学院，上海201620 ) |
| 摘 要： | 随着智能制造的快速发展,基于数据驱动的故障诊断方法逐渐成为轴承状态监测的研究重点.针对传统滚动轴承故障诊断方法所存在的特征提取和特征选择复杂且效果不佳的问题,提出一种基于卷积神经网络智能诊断算法.该算法首先利用重叠采样方法扩充数据集,再采用格拉姆角场方法将原始时域信号转化为二维图像;然后构建一个具有4个卷积层的卷积神经... |
| 关 键 词： | 故障诊断 滚动轴承 卷积神经网络 格拉姆角场法 |
Fault Diagnosis of Rolling Bearings Based on GCNN |
|
| Abstract: | |
| Keywords: | |
| 点击此处可从《噪声与振动控制》浏览原始摘要信息 | |
| 点击此处可从《噪声与振动控制》下载全文 | |