| 基于深度卷积神经网络的轴承故障诊断技术研究 |
| |
| 作者姓名： | 肖 磊 郭立渌 甘井中 唐超尘 |
| |
| 作者单位： | 玉林师范学院计算机科学与工程学院,广西桂林537000;西安电子科技大学计算机科学与技术学院,西安710000;西安电子科技大学通信工程学院,西安710000;桂林理工大学信息科学与工程学院,广西桂林541004 |
| |
| 基金项目： | 国家自然科学地区基金项目（61762087）；广西壮族自治区嵌入式技术与智能系统重点实验室项目（2017-2-5） |
| |
| 摘 要： | 为了提高轴承故障诊断的准确度，采用深度卷积神经网络算法来实现轴承故障分类。首先根据轴承振动故障特征频率建立轴承故障数据库，接着对轴承的振动信号按不同切片长度和固定宽度进行周期提取，建立特征向量矩阵，然后建立深度卷积神经网络的故障诊断模型，在网络设计时，差异化设置卷积核与池化尺寸，优化神经网络训练的核心参数，最后获得稳定的卷积神经网络模型。经过实例仿真，基于深度卷积神经网络的轴承故障分类准确率高，标准差小。
|
| 关 键 词： | 深度卷积神经网络 轴承故障 卷积核 池化 切分长度 |
| 本文献已被 万方数据 等数据库收录！ |
| 点击此处可从《机床与液压》浏览原始摘要信息 |
|
点击此处可从《机床与液压》下载全文 |
|
