10.3969/j.issn.1672-9722.2022.08.039
基于深度学习的轴承故障智能诊断方法研究
针对一些轴承传统故障诊断算法模型简易造成的诊断结果精度不高且稳定度不高的问题,进一步提高故障诊断的精度和稳定度,文章提出了基于深度学习的轴承故障智能诊断方法.首先采用小波对数据进行去噪处理;然后使用深度卷积神经网络训练数据自动学习特征,并加入Dropout正则化技术避免模型的过拟合;最后使用机器学习SKlearn库下的SVC模块搭建SVM分类器并使用Adam算法进行模型的搭建和优化.实验结果表明,文章提出的故障诊断方法平均故障诊断率达到99.7%,对工业生产中的设备故障诊断具有较大意义.
深度卷积神经网络、故障诊断、Dropout、支持向量机
50
TP301.6;TP391.9(计算技术、计算机技术)
国家自然科学基金71972090
2022-09-28(万方平台首次上网日期,不代表论文的发表时间)
共6页
1827-1832