10.13465/j.cnki.jvs.2022.04.026
多域信息融合结合改进残差密集网络的轴承故障诊断
针对滚动轴承原始时域信号信息单一、深度卷积神经网络提取的特征对信息的传递存在差异等问题,该研究提出了一种多域信息融合与改进残差密集网络的轴承故障诊断方法.为了获取故障的多方面信息,先对原始数据进行多域变换,再将融合信息输入经卷积注意力改进的残差密集网络进行深度学习.经注意力机制改进的网络能够实现对提取特征的重要性区分,提高网络的训练速度、改善识别准确率.试验结果及对比分析表明该算法可以提取较为全面的特征,较传统方法具有更好的识别效果.
轴承故障诊断;残差网络;多变换域处理;注意力机制
41
TP391.4;TH865(计算技术、计算机技术)
国家自然科学基金;国家自然科学基金;河北省自然科学基金;河北省引进留学人员项目;河北省高等学校科学技术研究项目
2022-03-18(万方平台首次上网日期,不代表论文的发表时间)
共10页
200-208,252