典型文献
基于浅层Inception-MobileNet旋转机械故障诊断
文献摘要：
针对现有的旋转机械故障诊断算法存在着时频表示模糊、特征提取困难,从而导致故障诊断效率和精度较低的问题,提出一种基于浅层Inception-MobileNet的旋转机械故障诊断模型.该模型通过拼接法将原始振动信号转换为二维图像,然后采用多尺度卷积核提取不同分辨率的特征图,并结合深度可分离卷积实现特征学习与分类.该网络在CWRU数据集和MFPT数据集上分别实现了十种故障分类和三种故障分类,分类精度为99.5％和95.78％.与传统的网络进行比较,该网络可提高特征提取能力,并且在相同数据集上该网络实现的故障识别精度最高.
文献关键词：
故障诊断;旋转机械;浅层Inception-MobileNet;卷积神经网络
中图分类号：
作者姓名：
孙国栋;杨雄;黄得龙;高媛
作者机构：
湖北工业大学 机械工程学院,武汉 430068;湖北省包装装备工程技术研究中心,武汉 430068
文献出处：
引用格式：
[1]孙国栋;杨雄;黄得龙;高媛-.基于浅层Inception-MobileNet旋转机械故障诊断)[J].噪声与振动控制,2022(05):108-115
A类：
B类：
Inception,MobileNet,旋转机械故障诊断,故障诊断算法,时频,诊断效率,故障诊断模型,拼接,接法,振动信号,信号转换,二维图像,多尺度卷积核,特征图,深度可分离卷积,特征学习,CWRU,MFPT,十种,故障分类,分类精度,特征提取能力,故障识别,识别精度
AB值：
0.305798
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
