DOI:10.3969/j.issn.1672-3872.2024.10.040
作 者:和飞翔 ,寇智铭 ,迟 卓 (长安大学工程机械学院,陕西 西安 710064)
摘 要:【目的】提高轴承故障诊断效率,实现智能化的状态监测。【方法】针对传统卷积神经网络在提取故障特征时存在特征提取不足、训练参数过多、网络容易过拟合等问题,提出一种基于通道注意力机制和空洞卷积相结合的二维并行残差网络模型智能诊断方法,通过通道注意力机制对不同通道进行自适应加权,并采用凯斯西储轴承测试数据验证二维并行网络。【结果】二维并行残差网络性能良好,模型训练10轮时,诊断准确率达到95%以上,故障识别率达到99.8%。【结论】二维并行残差网络模型具有很高的故障诊断准确率,能够适应于轴承故障诊断,为滚动轴承的智能化研究提供了新方法。
关键词:深度学习;故障诊断;特征提取;卷积神经网络
引文信息:[1]和飞翔,寇智铭,迟卓.基于二维并行残差网络的轴承故障诊断研究[J].南方农机,2024,55(10):151-153.
查看全文请下载PDF文件↓