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 |
|