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
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：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于SWT和ResNet50-TL-S模型的小样本齿轮箱故障诊断模型
被引量：
1
1
作者
许家瑞
陈焰
《机电工程》
北大核心
2025年第8期1458-1468,共11页
在传统齿轮箱故障诊断过程中,因故障样本稀缺会导致模型的故障诊断精度降低。针对这一问题,提出了一种基于同步压缩小波变换(SWT)和ResNet50-TL-S模型的小样本齿轮箱故障诊断方法(模型)。首先,使用小波阈值去噪算法对采集到的齿轮箱振...
在传统齿轮箱故障诊断过程中,因故障样本稀缺会导致模型的故障诊断精度降低。针对这一问题,提出了一种基于同步压缩小波变换(SWT)和ResNet50-TL-S模型的小样本齿轮箱故障诊断方法(模型)。首先,使用小波阈值去噪算法对采集到的齿轮箱振动信号进行了阈值化去噪处理,消除了背景噪声;然后,使用同步压缩小波变换算法,对去噪后的振动信号进行了时频分析和时频变换,将一维去噪信号转变为二维时频图,用于构建故障诊断模型的训练样本;接着,对预训练ResNet50模型进行了微调,实现了迁移学习(TL)目的,并对迁移学习模型进行了轻量化改进,同时在模型内部嵌入了多头注意力机制,用于改善模型对不同特征权重的分配;最后,使用2组齿轮副数据和2组轴承数据,对基于SWT和ResNet50-TL-S模型的小样本齿轮箱故障诊断方法的有效性进行了验证。研究结果表明:基于SWT和ResNet50-TL-S模型的小样本齿轮箱故障诊断方法在无负荷工况下的单齿轮副故障诊断中,模型分类精度高达99.45%,模型训练时间为644 s;在齿轮副和轴承多重故障诊断中,模型分类精度为99.59%,模型训练时间为643 s;在有负荷工况的轴承和齿轮副多重故障诊断中,模型分类精度为98.12%,模型训练时间为646 s。这表明基于SWT和ResNet50-TL-S模型的齿轮箱故障诊断方法具备较高的齿轮箱故障诊断精度和较短的模型训练时间。
展开更多
关键词
机械传动
小波阈值去噪
同步压缩小波变换
ResNet50模型
轻量化改进
多头注意力机制
迁移学习模型
在线阅读
下载PDF
职称材料
题名
基于SWT和ResNet50-TL-S模型的小样本齿轮箱故障诊断模型
被引量：
1
1
作者
许家瑞
陈焰
机构
昆明理工大学信息工程与自动化学院
文山壮族苗族自治州高级技工学校
出处
《机电工程》
北大核心
2025年第8期1458-1468,共11页
基金
国家自然科学基金资助项目(51365019)。
文摘
在传统齿轮箱故障诊断过程中,因故障样本稀缺会导致模型的故障诊断精度降低。针对这一问题,提出了一种基于同步压缩小波变换(SWT)和ResNet50-TL-S模型的小样本齿轮箱故障诊断方法(模型)。首先,使用小波阈值去噪算法对采集到的齿轮箱振动信号进行了阈值化去噪处理,消除了背景噪声;然后,使用同步压缩小波变换算法,对去噪后的振动信号进行了时频分析和时频变换,将一维去噪信号转变为二维时频图,用于构建故障诊断模型的训练样本;接着,对预训练ResNet50模型进行了微调,实现了迁移学习(TL)目的,并对迁移学习模型进行了轻量化改进,同时在模型内部嵌入了多头注意力机制,用于改善模型对不同特征权重的分配;最后,使用2组齿轮副数据和2组轴承数据,对基于SWT和ResNet50-TL-S模型的小样本齿轮箱故障诊断方法的有效性进行了验证。研究结果表明:基于SWT和ResNet50-TL-S模型的小样本齿轮箱故障诊断方法在无负荷工况下的单齿轮副故障诊断中,模型分类精度高达99.45%,模型训练时间为644 s;在齿轮副和轴承多重故障诊断中,模型分类精度为99.59%,模型训练时间为643 s;在有负荷工况的轴承和齿轮副多重故障诊断中,模型分类精度为98.12%,模型训练时间为646 s。这表明基于SWT和ResNet50-TL-S模型的齿轮箱故障诊断方法具备较高的齿轮箱故障诊断精度和较短的模型训练时间。
关键词
机械传动
小波阈值去噪
同步压缩小波变换
ResNet50模型
轻量化改进
多头注意力机制
迁移学习模型
Keywords
mechanical transmission
wavelet threshold denoising
synchrosqueezing wavelet transform(SWT)
ResNet50 model
lightweight improvement
multi-head attention mechanism
transfer learning(TL)model
分类号
TH132.41 [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
作者
出处
发文年
被引量
操作
1
基于SWT和ResNet50-TL-S模型的小样本齿轮箱故障诊断模型
许家瑞
陈焰
《机电工程》
北大核心
2025
1
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
