基于S变换和卷积神经网络的滚动轴承故障诊断
针对传统方法在机械故障诊断时存在特征提取困难、分类器训练复杂等问题,提出了一种基于S变换和卷积神经网络(CNN)的滚动轴承故障诊断方法.首先,将轴承的原始数据经过S变换得到时频图,再通过CNN进行二次特征提取.然后,通过分类器对故障进行分类,并对滚动轴承进行故障诊断.实验结果表明,相比长短时记忆网络、CNN和支持向量机,该方法的诊断准确率更高且稳定性也较好.
信号处理、S变换、卷积神经网络、长短时记忆网络、支持向量机、故障诊断
58
TP183(自动化基础理论)
2022-01-12(万方平台首次上网日期,不代表论文的发表时间)
共10页
57-66