收藏本站
收藏 | 投稿 | 手机打开
二维码
手机客户端打开本文

自适应卷积神经网络在旋转机械故障诊断中的应用

李涛  段礼祥  张东宁  赵赏鑫  黄辉  毕彩霞  袁壮  
【摘要】:针对基于机器学习模型的故障诊断存在依赖人工特征提取质量、维数灾难问题和卷积神经网络(CNN)模型构建缺乏自适应性等问题,提出了一种基于粒子群优化(PSO)算法的自适应CNN故障诊断方法,并将其应用于旋转机械故障诊断。将一维时域信号变成二维时频图像;使用PSO算法对CNN模型中的7个关键参数进行优化选取,以构建深度学习模型;将二维时频图像输入优化后的深度学习模型,对旋转机械故障进行诊断。结果表明,所提方法具有较高的准确率、稳定性和自适应性。

知网文化
【相似文献】
中国期刊全文数据库 前15条
1 李泽东;李志农;王成军;;深度卷积神经网络在轴承多故障复合诊断中应用研究[J];南昌航空大学学报(自然科学版);2020年01期
2 杨平;苏燕辰;张振;;基于卷积胶囊网络的滚动轴承故障诊断研究[J];振动与冲击;2020年04期
3 董勋;郭亮;高宏力;刘宸宇;李磊;;代价敏感卷积神经网络:一种机械故障数据不平衡分类方法[J];仪器仪表学报;2019年12期
4 谢佳琪;尤伟;沈长青;朱忠奎;;基于改进卷积深度置信网络的轴承故障诊断研究[J];电子测量与仪器学报;2020年02期
5 张安安;黄晋英;冀树伟;李东;;基于卷积神经网络图像分类的轴承故障模式识别[J];振动与冲击;2020年04期
6 何强;唐向红;陆见光;;基于混合时间序列卷积神经网络的轴承故障诊断[J];组合机床与自动化加工技术;2020年03期
7 杜名喆;王宝中;;基于经验小波分解和卷积神经网络的液压泵故障诊断[J];液压与气动;2020年01期
8 朱丹宸;张永祥;潘洋洋;朱群伟;;基于多传感器信号和卷积神经网络的滚动轴承故障诊断[J];振动与冲击;2020年04期
9 原建洋;葛阳;蒋晓梅;郑明远;;基于深度多尺度卷积神经网络的剩余使用寿命预测模型[J];科技创新导报;2020年15期
10 韩林洁;石春鹏;张建超;;基于一维卷积神经网络的轴承剩余寿命预测[J];制造业自动化;2020年03期
11 裴君楠;陈一萱;;一维卷积神经网络在轴承故障检测中的应用[J];现代矿业;2019年10期
12 刘慧斌;李少波;张安思;杨万里;黄金苑;姚勇;;基于深度卷积神经网络的轴承多故障诊断研究[J];组合机床与自动化加工技术;2020年05期
13 宫文峰;陈辉;张泽辉;张美玲;管聪;王鑫;;基于改进卷积神经网络的滚动轴承智能故障诊断研究[J];振动工程学报;2020年02期
14 丁云浩;贾民平;;一种多尺度卷积自编码网络及其在滚动轴承故障诊断中的应用(英文)[J];Journal of Southeast University(English Edition);2019年04期
15 周冠禄;江永全;陈锦雄;梅桂明;;基于卷积神经网络的故障诊断模型振动信号处理方法比较[J];中国科技论文;2020年07期
中国重要会议论文全文数据库 前2条
1 赵轲;姜洪开;鲁腾飞;牛茂贵;;基于增强批量归一化卷积神经网络的旋转机械故障诊断[A];第十三届全国振动理论及应用学术会议论文集[C];2019年
2 徐志方;贺小明;张传维;沈路;;集成神经网络信息融合技术在给水泵故障诊断中的应用[A];设备监测与诊断技术及其应用——第十二届全国设备监测与诊断学术会议论文集[C];2005年
中国博士学位论文全文数据库 前2条
1 魏秀业;基于粒子群优化的齿轮箱智能故障诊断研究[D];中北大学;2009年
2 张凯;粒子群优化算法研究及其在液压控制系统中的应用[D];东北大学;2017年
中国硕士学位论文全文数据库 前10条
1 王思远;基于卷积神经网络旋转机械故障诊断技术研究[D];吉林大学;2020年
2 黄鑫;基于卷积神经网络的旋转机械故障特征自动学习与智能诊断方法研究[D];重庆交通大学;2019年
3 冯召勇;卷积混合振动信号的独立分量分析[D];华东交通大学;2011年
4 胡晓平;基于卷积神经网络代价敏感学习的故障诊断算法研究[D];山东大学;2020年
5 张育根;卷积混合非平稳振动信号的盲分离[D];哈尔滨工业大学;2010年
6 张朝林;基于卷积神经网络的滚动轴承故障诊断方法研究[D];昆明理工大学;2019年
7 马鎏豪;基于机器学习的轴承机械振动信号分析方法研究[D];浙江大学;2020年
8 马清峰;基于粒子群优化神经网络的齿轮箱故障诊断研究[D];中北大学;2006年
9 庞艳艳;基于选择性神经网络的故障诊断研究[D];华中科技大学;2014年
10 刘桂丽;神经网络信息融合技术在数控机床故障诊断中的应用研究[D];河北科技大学;2013年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978