10.13465/j.cnki.jvs.2020.05.013
基于自适应深度卷积神经网络的发射车滚动轴承故障诊断研究
作为发射车的关键组成部件,滚动轴承的工作环境复杂,故障诊断闲难.提出一种自适应深度卷积神经网络,针对传统CNN诊断方法存在的计算效率较低、参数调试需人工经验指导等问题,采用粒子群优化算法确定CNN模型结构和参数,应用主成分分析法将故障诊断特征学习过程可视化,评估其特征学习能力.将提出方法应用于发射车滚动轴承故障诊断,对比标准CNN、SVM、ANN诊断方法,10种工况的诊断结果表明,提出方法诊断精度高且鲁棒性好.
故障诊断、卷积神经网络、粒子群优化、发射车、滚动轴承、特征学习
39
TP206+.3(自动化技术及设备)
2020-04-21(万方平台首次上网日期,不代表论文的发表时间)
共9页
97-104,149