10.16208/j.issn1000-7024.2023.04.040
基于小样本的胶囊网络轴承故障诊断方法
针对滚动轴承故障样本稀疏、卷积神经网络(convolutional neural network,CNN)池化层效率低的问题,提出一种基于胶囊网络的小样本学习方法模型.基于孪生神经网络,通过相同或者不同类别的样本对进行特征学习,根据特征之间的差异进行故障分类.在标准的凯斯西储大学(Case Western Reserve University,CWRU)轴承故障数据集进行的实验结果表明,该模型在有限数据样本下对故障诊断更为有效.通过添加不同幅值能量的高斯白噪声开展实验,其结果表明,所提方法在抗噪性方面具有优势.
滚动轴承、故障诊断、小样本学习、胶囊网络、孪生神经网络、抗噪性、卷积神经网络
44
TP306+.3(计算技术、计算机技术)
国家自然科学基金;大连市科技创新基金项目
2023-05-08(万方平台首次上网日期,不代表论文的发表时间)
共8页
1259-1266