典型文献
基于特征参数迁移的滚动轴承故障诊断
文献摘要：
针对变工况下的滚动轴承无法获得大量带标签样本数据以及传统深度学习诊断方法识别率低的问题,提出一种基于迁移学习的卷积神经网络模型滚动轴承故障诊断方法.首先,采用短时傅里叶变换处理滚动轴承振动信号获得源域、目标域样本集;其次,利用源域样本预训练卷积神经网络模型;最后,通过目标域样本微调卷积神经网络模型实现滚动轴承故障诊断.通过2种不同滚动轴承振动数据进行迁移故障诊断实验,实验结果表明:相对于卷积神经网络的故障诊断方法,基于迁移学习的卷积神经网络故障诊断识别率提高了 7％.
文献关键词：
计量学;滚动轴承;卷积神经网络;迁移学习;故障诊断
中图分类号：
作者姓名：
唐波;陈慎慎;郭必奔;郝家琦
作者机构：
中国计量大学计量测试工程学院,浙江杭州310018
文献出处：
引用格式：
[1]唐波;陈慎慎;郭必奔;郝家琦-.基于特征参数迁移的滚动轴承故障诊断)[J].计量学报,2022(03):386-391
A类：
调卷
B类：
参数迁移,滚动轴承故障诊断,变工况,学习诊断,方法识别,识别率,迁移学习,卷积神经网络模型,故障诊断方法,短时傅里叶变换,变换处理,滚动轴承振动信号,源域,目标域,样本集,预训练,过目,微调,模型实现,诊断实验,网络故障诊断,诊断识别
AB值：
0.237504
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。
