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
共找到1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：
基于特征插值TSCTransMix-CapsNet的轴承故障分类模型
1
作者 任义 孙明丽 +1 位作者 栾方军 袁帅 《机电工程》 北大核心 2025年第4期607-617,共11页
针对轴承故障诊断分类模型不能很好地提取到振动序列多层次特征,以及故障样本量稀少的问题,提出了一种基于特征插值的时间序列分类Transformer融合胶囊网络(TSCTransMix-CapsNet)的故障诊断模型。首先,以重叠采样预处理后的一维振动信... 针对轴承故障诊断分类模型不能很好地提取到振动序列多层次特征,以及故障样本量稀少的问题,提出了一种基于特征插值的时间序列分类Transformer融合胶囊网络(TSCTransMix-CapsNet)的故障诊断模型。首先,以重叠采样预处理后的一维振动信号数据作为模型的输入,利用时间序列分类Transformer(TSCTransformer)捕捉了序列长距离关系,提取了振动信号的全局故障特征,同时应用混合数据增强方法(Mixup)对特征做了插值处理,进行了特征增强;然后,利用胶囊网络模型对全局故障特征作了进一步细化处理,提取了局部故障特征,从而形成了包含全局模式和局部细节的特征输出;最后,在多工况条件下选取CWRU和XJTU-SY数据集进行了轴承故障诊断的消融和对比实验,并将该模型与其他模型进行了比较。研究结果表明:该模型在CWRU数据集上的故障诊断准确率达到99.50%,在XJTU-SY数据集上的故障诊断准确率达到99.87%。相比于其他模型,该模型能更加有效地提高轴承故障诊断中的分类性能。 展开更多
关键词 故障诊断模型 时间序列分类Transformer 胶囊网络模型 特征插值 特征增强 混合数据增强方法
在线阅读 下载PDF
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
关于我们 | 版权声明 | 联系我们 | 帮助中心| 意见反馈
主办单位：上海市教育委员会
技术支持：重庆维普资讯有限公司
渝公网安备 50019002500403号
使用帮助 返回顶部