《基于多传感器信号和卷积神经网络的滚动轴承故障诊断》PDF+DOC
作者:朱丹宸,张永祥,潘洋洋,朱群伟
单位:中国振动工程学会;上海交通大学;上海市振动工程学会
出版:《振动与冲击》2020年第04期
页数:7页 (PDF与DOC格式可能不同)
PDF编号:PDFZDCJ2020040220
DOC编号:DOCZDCJ2020040229
下载格式:PDF + Word/doc 文字可复制、可编辑
《基于多传感器的神经网络和D-S证据理论在故障诊断中的应用》PDF+DOC2017年第04期 周国宪,伍星,刘韬
《基于GA-BP神经网络的多传感器轴承故障诊断》PDF+DOC2017年第10期 李荣远,张国银,王海瑞,王雪,宋怡然,齐磊,任玉卿
《基于IMF熵的多传感器网络融合滚动轴承故障诊断方法研究》PDF+DOC2015年第06期 任学平,辛向志,庞震,邢义通,王建国
《基于多域特征及多传感器网络融合的滚动轴承故障诊断》PDF+DOC2015年第02期 任学平,辛向志,庞震,邢义通,王建国
《结合手机传感器和卷积神经网络的人体行为识别》PDF+DOC2018年第03期 石代伟,张若英
《滚动轴承故障非接触多传感器声信号融合方法》PDF+DOC2012年第16期 张颖,苏宪章,刘占生
《基于多传感器信息融合的滚动轴承故障诊断》PDF+DOC2012年第03期 艾莉,华静
《基于KPCA-BP网络模型的滚动轴承故障诊断方法研究》PDF+DOC2014年第08期 徐卫晓,宋平,谭继文
《多传感器信息融合技术及其在智能材料结构中的应用》PDF+DOC2003年第05期 蒋雅娜,王帮峰,李迎,施益峰
《基于多传感器大轴径测量系统的特征层数据融合》PDF+DOC2007年第12期 吴昂,朱娟花,金施群,姬少龙
针对滚动轴承故障信号非平稳非线性且易受背景噪声干扰的特点,结合深度学习的优势,提出了一种基于卷积神经网络(CNN)的滚动轴承故障诊断法。将不同故障下多个传感器测得的1维(1D)振动信号转化为2维(2D)灰度图像作为网络输入,并将其分为训练集和测试集;将训练集输入卷积神经网络进行训练,自动提取其中的特征;测试集被用于验证学习完毕的网络的有效性,实现滚动轴承故障识别。该方法不依赖于人为经验和信号处理技术进行预先的信号特征提取,实验数据分析表明,相比于经典的支持向量机和概率神经网络方法,提出的方法识别准确率更高且更稳定。
提示:百度云已更名为百度网盘(百度盘),天翼云盘、微盘下载地址……暂未提供。