10.3969/j.issn.1004-132X.2023.03.010
一种残差注意力迁移学习方法及其在滚动轴承故障诊断中的应用
提出了一种基于残差注意力卷积神经网络(CSRA-CNN)的迁移学习算法,用于提高滚动轴承的故障诊断精度.在卷积神经网络模型中加入残差注意力机制,使模型在训练过程中更加注重故障特征的提取,从而有效提高迁移准确率.为了测评基于残差注意力卷积神经网络的性能,将其与传统卷积神经网络在不同迁移学习策略下的结果进行对比.用动力传动故障诊断综合实验台和高速列车综合实验台对所提算法进行了验证,该方法可以完成变转速以及变转速变载荷下轴承不同健康状态的迁移学习,且迁移效果均优于传统的卷积神经网络.
迁移学习、轴承故障诊断、残差注意力、特征提取
34
TP182(自动化基础理论)
国家自然科学基金;国家自然科学基金;国家自然科学基金;国家自然科学基金;河北省科技计划;河北省自然科学基金
2023-02-28(万方平台首次上网日期,不代表论文的发表时间)
共12页
332-343