典型文献
基于多尺度1DCNN的滚动轴承故障诊断
文献摘要：
针对滚动轴承振动信号典型非平稳性、非线性的特点,提出一种基于小波变换(WT)和一维卷积神经网络(1DCNN)的轴承故障诊断多尺度卷积神经网络方法.通过小波变换对信号进行多尺度分解,然后对每个尺度成分进行重构,将重构后的信号进行傅里叶变换得到频谱表示,并将各尺度幅值数据构造成一维特征向量作为一维卷积神经网络的输入.最后利用一维卷积神经网络对输入数据进行特征学习,得到轴承故障诊断模型.利用滚动轴承的10个状态数据集验证其性能.结果表明:该方法可以避免人工提取特征,获得99.94％的诊断准确率.
文献关键词：
滚动轴承;故障诊断;小波变换;深度学习;一维卷积神经网络
中图分类号：
作者姓名：
杜文辽;侯绪坤;王宏超;巩晓赟
作者机构：
郑州轻工业大学机电工程学院,河南郑州450000
文献出处：
引用格式：
[1]杜文辽;侯绪坤;王宏超;巩晓赟-.基于多尺度1DCNN的滚动轴承故障诊断)[J].机床与液压,2022(19):173-178
A类：
B类：
1DCNN,滚动轴承故障诊断,滚动轴承振动信号,非平稳性,于小波,小波变换,WT,一维卷积神经网络,多尺度卷积神经网络,神经网络方法,多尺度分解,傅里叶变换,谱表,维特,特征向量,输入数据,特征学习,故障诊断模型,状态数据,数据集验证,提取特征,诊断准确率
AB值：
0.238287
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。
