期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
应用Adabelief优化器的MSDNet在多工况下滚动轴承的故障诊断
被引量：
3
1
作者
高乐乐
崔宝珍
王浩楠
《电子测量与仪器学报》
CSCD
北大核心
2022年第11期170-177,共8页
针对滚动轴承在多工况条件下故障特征难以识别的问题,从数据驱动的角度出发应用一维多尺度密集网络(MSDNet)对轴承进行故障诊断。首先,将时域信号作为MSDNet的直接输入,保持了信号本有的固有特性;其次采用3个并行卷积操作来提取轴承故...
针对滚动轴承在多工况条件下故障特征难以识别的问题,从数据驱动的角度出发应用一维多尺度密集网络(MSDNet)对轴承进行故障诊断。首先,将时域信号作为MSDNet的直接输入,保持了信号本有的固有特性;其次采用3个并行卷积操作来提取轴承故障信号内部的多尺度信息,密集网络的加入防止了信息传递过程中的特征丢失,适当缓解了模型中的梯度消失问题;然后训练过程中采用Adabelief优化算法优化模型参数,使得模型在快速收敛的同时又提高了其泛化性能;最后通过混淆矩阵和特征可视化图展示出模型的分类性能,在凯斯西储大学轴承实验数据集和西安交通大学数据集上进行了多次实验,应用该算法故障识别率可达到98%以上,证明了该方法的有效性。
展开更多
关键词
滚动轴承
MSDNet
多工况故障诊断
深度学习
在线阅读
下载PDF
职称材料
故障冲击增强与双通道融合的自适应轴承故障诊断
2
作者
刘斌
曹丽君
+3 位作者
武欣雅
段云凤
杨栋辉
谢秀梅
《振动与冲击》
2025年第17期313-324,342,共13页
针对传统轴承故障诊断方法中存在的依赖专家经验、特征提取困难、准确率不高等问题,提出一种结合故障冲击增强与双通道融合的自适应神经网络诊断方法。首先,将振动信号通过最大相关峭度解卷积转换为故障冲击增强的信号。其次,将网格搜...
针对传统轴承故障诊断方法中存在的依赖专家经验、特征提取困难、准确率不高等问题,提出一种结合故障冲击增强与双通道融合的自适应神经网络诊断方法。首先,将振动信号通过最大相关峭度解卷积转换为故障冲击增强的信号。其次,将网格搜索算法引入卷积神经网络(convolutional neural network,CNN)-Transformer-双向长短期记忆网络(bidirectional long short-term memory network,BiLSTM)中,双通道CNN-Transformer用来提取信号的局部和全局特征信息,BiLSTM则用来提取双通道特征融合的时序信息,从而自适应识别轴承的故障状态。最后,通过全连接层输出故障分类诊断结果。试验表明,本方法自适应识别多工况轴承故障,展现了较强的鲁棒性与泛化能力。
展开更多
关键词
多工况故障诊断
故障
冲击增强
自适应特征提取
网格搜索算法
最大相关峭度解卷积
在线阅读
下载PDF
职称材料
题名
应用Adabelief优化器的MSDNet在多工况下滚动轴承的故障诊断
被引量：
3
1
作者
高乐乐
崔宝珍
王浩楠
机构
中北大学机械工程学院
出处
《电子测量与仪器学报》
CSCD
北大核心
2022年第11期170-177,共8页
基金
国家自然科学基金(51175480)
省重点研发计划(国际合作)(201903D421008)
中北大学先进制造技术山西省重点实验室开放课题研究基金(XJZZ202007)项目资助。
文摘
针对滚动轴承在多工况条件下故障特征难以识别的问题,从数据驱动的角度出发应用一维多尺度密集网络(MSDNet)对轴承进行故障诊断。首先,将时域信号作为MSDNet的直接输入,保持了信号本有的固有特性;其次采用3个并行卷积操作来提取轴承故障信号内部的多尺度信息,密集网络的加入防止了信息传递过程中的特征丢失,适当缓解了模型中的梯度消失问题;然后训练过程中采用Adabelief优化算法优化模型参数,使得模型在快速收敛的同时又提高了其泛化性能;最后通过混淆矩阵和特征可视化图展示出模型的分类性能,在凯斯西储大学轴承实验数据集和西安交通大学数据集上进行了多次实验,应用该算法故障识别率可达到98%以上,证明了该方法的有效性。
关键词
滚动轴承
MSDNet
多工况故障诊断
深度学习
Keywords
rolling bearing
MSDNet
multi-load conditions
fault diagnosis
分类号
TN10 [电子电信—物理电子学]
TH165.3 [机械工程—机械制造及自动化]
在线阅读
下载PDF
职称材料
题名
故障冲击增强与双通道融合的自适应轴承故障诊断
2
作者
刘斌
曹丽君
武欣雅
段云凤
杨栋辉
谢秀梅
机构
太原科技大学应用科学学院
出处
《振动与冲击》
2025年第17期313-324,342,共13页
基金
国家自然科学基金(52175149,6262441313,72071183)
山西省基础研究计划(202103021224274,202303021221144,202203021211204)
+1 种基金
山西省科技创新人才团队项目(202304051001032)
山西省回国留学人员科研项目(2022-163)。
文摘
针对传统轴承故障诊断方法中存在的依赖专家经验、特征提取困难、准确率不高等问题,提出一种结合故障冲击增强与双通道融合的自适应神经网络诊断方法。首先,将振动信号通过最大相关峭度解卷积转换为故障冲击增强的信号。其次,将网格搜索算法引入卷积神经网络(convolutional neural network,CNN)-Transformer-双向长短期记忆网络(bidirectional long short-term memory network,BiLSTM)中,双通道CNN-Transformer用来提取信号的局部和全局特征信息,BiLSTM则用来提取双通道特征融合的时序信息,从而自适应识别轴承的故障状态。最后,通过全连接层输出故障分类诊断结果。试验表明,本方法自适应识别多工况轴承故障,展现了较强的鲁棒性与泛化能力。
关键词
多工况故障诊断
故障
冲击增强
自适应特征提取
网格搜索算法
最大相关峭度解卷积
Keywords
multi-operating condition fault diagnosis
fault impact enhancement
adaptive feature extraction
grid search algorithm
maximum correlation kurtosis deconvolution
分类号
TP18 [自动化与计算机技术]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
应用Adabelief优化器的MSDNet在多工况下滚动轴承的故障诊断
高乐乐
崔宝珍
王浩楠
《电子测量与仪器学报》
CSCD
北大核心
2022
3
在线阅读
下载PDF
职称材料
2
故障冲击增强与双通道融合的自适应轴承故障诊断
刘斌
曹丽君
武欣雅
段云凤
杨栋辉
谢秀梅
《振动与冲击》
2025
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
