本文主要研究内容
作者朱会杰,王新晴,芮挺,张欲保,李艳峰（2019）在《基于平移不变CNN的机械故障诊断研究》一文中研究指出：常规机械故障诊断方法需要信号预处理、特征提取、特征选择、模式识别等多个步骤,过程复杂,通用性差。卷积神经网络(Convolutional Neural Network, CNN)是一种自学习性能好、抗干扰能力强的深度神经网络。为了简化步骤、提高效率,将CNN引入到机械故障诊断,直接使用传感器测得的原始数据进行故障识别。由于机械振动信号的特征具有典型的时移性,CNN需要大量数据才能自我学习到这种特性。结合故障信号的冲击特点和CNN的不足,提出了权值求和和大尺度最大值池化策略,有效解决了特征的平移不变性,增强了小样本时的泛化能力。通过对单点和多点故障的轴承进行诊断,验证了平移不变CNN的有效性。与常规故障诊断方法和其他机器学习算法对比显示,平移不变CNN不仅准确率高,而且使用简单,为故障诊断提供了一种新的途径。
Abstract
chang gui ji xie gu zhang zhen duan fang fa xu yao xin hao yu chu li 、te zheng di qu 、te zheng shua ze 、mo shi shi bie deng duo ge bu zhou ,guo cheng fu za ,tong yong xing cha 。juan ji shen jing wang lao (Convolutional Neural Network, CNN)shi yi chong zi xue xi xing neng hao 、kang gan rao neng li jiang de shen du shen jing wang lao 。wei le jian hua bu zhou 、di gao xiao lv ,jiang CNNyin ru dao ji xie gu zhang zhen duan ,zhi jie shi yong chuan gan qi ce de de yuan shi shu ju jin hang gu zhang shi bie 。you yu ji xie zhen dong xin hao de te zheng ju you dian xing de shi yi xing ,CNNxu yao da liang shu ju cai neng zi wo xue xi dao zhe chong te xing 。jie ge gu zhang xin hao de chong ji te dian he CNNde bu zu ,di chu le quan zhi qiu he he da che du zui da zhi chi hua ce lve ,you xiao jie jue le te zheng de ping yi bu bian xing ,zeng jiang le xiao yang ben shi de fan hua neng li 。tong guo dui chan dian he duo dian gu zhang de zhou cheng jin hang zhen duan ,yan zheng le ping yi bu bian CNNde you xiao xing 。yu chang gui gu zhang zhen duan fang fa he ji ta ji qi xue xi suan fa dui bi xian shi ,ping yi bu bian CNNbu jin zhun que lv gao ,er ju shi yong jian chan ,wei gu zhang zhen duan di gong le yi chong xin de tu jing 。
论文参考文献
论文详细介绍
论文作者分别是来自振动与冲击的朱会杰,王新晴,芮挺,张欲保,李艳峰，发表于刊物振动与冲击2019年05期论文，是一篇关于故障诊断论文,卷积神经网络论文,深度学习论文,振动与冲击2019年05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，资料来自振动与冲击2019年05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：故障诊断论文; 卷积神经网络论文; 深度学习论文; 振动与冲击2019年05期论文;