期刊文献+
共找到1篇文章
< 1 >
每页显示 20 50 100
基于MFI-MCP-ResNet18的滚动轴承故障诊断
1
作者 汤伟 杨亦君 《轴承》 北大核心 2025年第3期70-78,共9页
针对传统滚动轴承故障诊断模型存在的特征提取不充分,故障诊断准确率低的问题,提出了一种基于多特征输入和多通道并行残差卷积网络(MFI-MCP-ResNet18)的滚动轴承故障诊断方法。将轴承振动信号分别转换为相应的格拉姆角场、马尔科夫变迁... 针对传统滚动轴承故障诊断模型存在的特征提取不充分,故障诊断准确率低的问题,提出了一种基于多特征输入和多通道并行残差卷积网络(MFI-MCP-ResNet18)的滚动轴承故障诊断方法。将轴承振动信号分别转换为相应的格拉姆角场、马尔科夫变迁场和欧氏距离矩阵,对这3种矩阵进行逐行交叉组合得到一个二维矩阵并作为神经网络的输入,通过多通道并行的ResNet18网络实现对轴承故障特征的自动提取和分类。借助公开数据集以及自建试验平台数据进行MFI-MCP-ResNet18模型的有效性和泛化性验证,结果表明MFI-MCPResNet18模型能够有效提取轴承振动信号中的故障特征,实现对轴承故障的高效诊断,具有比单输入单通道方法更高的判断精度以及更好的泛化性。 展开更多
关键词 滚动轴承 特征提取 卷积网络 数据转换 欧氏距离 多通道
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部