CN:36-1239/TH

ISSN:1672-3872

半月刊

JST日本科学技术振新机构数据库(日)(2022)

中文核心期刊(遴选)数据库收录期刊

中文科技期刊数据库收录期刊

中国学术期刊(光盘版)全文收录期刊

中国期刊网收录期刊

中国学术期刊综合评价数据库 统计源期刊

搜索
搜索
这是描述信息

基于少参数 CNN 的多工况机械故障诊断方法

访问量:

DOI:10.3969/j.issn.1672-3872.2023.19.041

作者:于地 (长春光华学院,吉林 长春 130033)

 

摘 要:【目的】故障诊断是保障设备可靠、安全运行的关键措施。应着力解决现有故障诊断方法的假设故障样本为同分布的问题,从而提升多工况机械故障诊断的精准性和有效性。【方法】笔者提出基于少参数CNN的多工况机械故障诊断方法, 并应用LiNet算法,对卷积神经网络的批归一化层进行优化。同时,笔者在基于CNN网络LiNet算法结构、LiNet算法训练、 数据预处理三方面,对诊断方法的实现进行深度分析。在此基础上,笔者以工业齿轮箱的齿轮部件和轴承部件为例,对提出的算法进行验证。【结果】基于CNN网络LiNet算法的故障诊断方法对于轴承的故障诊断精度达到100%,对于齿轮的故障诊断精度达到95%以上。【结论】基于CNN网络LiNet算法的故障诊断方法的收敛速度较快,并具有一定泛化能力、域自适应能力,能够精准提取到故障信息数据,可以在实际机械故障检测中进行深度应用,后续可从故障模式分类视角进一步 深化研究。

关键词:卷积神经网络;机械;故障诊断;LiNet算法

 

引文信息:[1]于地.基于少参数CNN的多工况机械故障诊断方法[J].南方农机,2023,54(19):156-158.

查看全文请下载PDF文件↓

相关下载

分类:
2023年
文件大小:
1.3M
2023-10-26 14:51:05
所属人群:
所有人
上一页
1
底部logo

公众号

地       址:江西省南昌市红谷滩红谷中大道1326号江报传媒大厦908室

联系电话:0791-86202556

投稿邮箱:nfnj@vip.163.com

版权所有:江西南方农机杂志社有限责任公司.  All rights reserved.   SEO     赣ICP备2023003226号-1       技术支持:中企动力-南昌