基于多尺度卷积神经网络的滚动轴承智能诊断算法 |
| |
引用本文: | 古天龙,孙镇海,宾辰忠,常亮.基于多尺度卷积神经网络的滚动轴承智能诊断算法[J].机械设计与制造,2022,375(5):20-23. |
| |
作者姓名: | 古天龙 孙镇海 宾辰忠 常亮 |
| |
作者单位: | 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;广西可信软件重点实验室,广西桂林 541004 |
| |
基金项目: | 国家自然科学基金项目(U1711263,U1501252,61572146);;广西自然科学基金项目(2016GXNSFDA380006,AC16380122); |
| |
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。
|
关 键 词: | 故障诊断 深度学习 卷积神经网络 小样本 泛化性能 |
本文献已被 万方数据 等数据库收录! |
|