基于改进残差网络的齿轮箱故障诊断研究
深度残差网络中的残差模块能较大程度解决特征的丢失和损耗问题,从而能够搭建更深的层数来改善神经网络的训练效果,但是冗余噪声会干扰机械故障诊断精度.残差收缩模块(RSNB)利用注意力机制根据重要程度不同来对特征进行加权,自动地给各个样本设置不同的阈值,在降噪的同时最大程度的保护数据的原始特征.为加快网络训练速度,引入权值均值池化处理.经过实验测试RSNB模块改进的残差网络模型的降噪效果良好,很大程度提升了故障诊断的准确率.
故障诊断、残差收缩模块、注意力机制、全局均值池化
20
TH132.41
2022-05-25(万方平台首次上网日期,不代表论文的发表时间)
共4页
35-37,34