本文主要研究内容
作者杨平,苏燕辰（2019）在《基于卷积门控循环网络的滚动轴承故障诊断》一文中研究指出：针对许多基于深度学习的滚动轴承故障诊断方法在小样本数据集下诊断性能下降的问题,提出一种基于卷积门控循环神经网络的轴承故障诊断模型。该模型使用两层的卷积网络来从输入信号中提取特征,同时使用tanh函数作为激活函数,且池化层使用大池化核来进行重叠下采样。将所提取得到的高层特征连接到双向门控循环网络。合并循环网络正向和逆向的最后一个状态,并连接一层全连接层进行输出。选用凯斯西储大学的轴承故障数据集来验证模型在小样本数据集下的诊断性能,实验结果表明,相比于其他类型的模型,该模型在仅有20个训练样本的情况下依然保持97%的识别准确率。
Abstract
zhen dui hu duo ji yu shen du xue xi de gun dong zhou cheng gu zhang zhen duan fang fa zai xiao yang ben shu ju ji xia zhen duan xing neng xia jiang de wen ti ,di chu yi chong ji yu juan ji men kong xun huan shen jing wang lao de zhou cheng gu zhang zhen duan mo xing 。gai mo xing shi yong liang ceng de juan ji wang lao lai cong shu ru xin hao zhong di qu te zheng ,tong shi shi yong tanhhan shu zuo wei ji huo han shu ,ju chi hua ceng shi yong da chi hua he lai jin hang chong die xia cai yang 。jiang suo di qu de dao de gao ceng te zheng lian jie dao shuang xiang men kong xun huan wang lao 。ge bing xun huan wang lao zheng xiang he ni xiang de zui hou yi ge zhuang tai ,bing lian jie yi ceng quan lian jie ceng jin hang shu chu 。shua yong kai si xi chu da xue de zhou cheng gu zhang shu ju ji lai yan zheng mo xing zai xiao yang ben shu ju ji xia de zhen duan xing neng ,shi yan jie guo biao ming ,xiang bi yu ji ta lei xing de mo xing ,gai mo xing zai jin you 20ge xun lian yang ben de qing kuang xia yi ran bao chi 97%de shi bie zhun que lv 。
论文参考文献
论文详细介绍
论文作者分别是来自航空动力学报的杨平,苏燕辰，发表于刊物航空动力学报2019年11期论文，是一篇关于滚动轴承论文,故障诊断论文,卷积网络论文,门控循环单元论文,重叠池化论文,航空动力学报2019年11期论文的文章。本文可供学术参考使用，各位学者可以免费参考阅读下载，文章观点不代表本站观点，资料来自航空动力学报2019年11期论文网站，若本站收录的文献无意侵犯了您的著作版权，请联系我们删除。
标签：滚动轴承论文; 故障诊断论文; 卷积网络论文; 门控循环单元论文; 重叠池化论文; 航空动力学报2019年11期论文;