基于孪生网络的小样本滚动轴承故障诊断研究
针对小样本和强噪声条件下的滚动轴承故障诊断问题,提出了一种孪生网络模型:首先,对于滚动轴承故障信号进行连续小波变换以获得时频图像,引入卷积神经网络模型以实现故障图像模式识别;进而,对故障样本进行交叉配对以重新组合,实现了少量故障样本的大幅扩容;同时,针对扩容后样本对数据构建了包含两个子模型的孪生网络模型;最后,为了实现强噪声、小样本条件下滚动轴承故障诊断,设计了孪生网络末端专用分类器,在加噪声数据库和机械故障实验中对方法进行测试,分别达到了 96.25%和97.08%正确率.所提出模型能够依靠少量样本完成训练并实现轴承故障准确诊断,所需每类样本的数量可减少至20个,与经典卷积神经网络模型相比具有明显优势.
孪生网络、卷积神经网络、连续小波变换、故障诊断
43
TH17
中国博士后基金;陕西省自然科学基础研究计划项目;陕西省技术创新引导专项-区域创新能力引导计划
2023-02-27(万方平台首次上网日期,不代表论文的发表时间)
共11页
241-251