声明
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
国内刊号：11-2865/X
国际刊号：1003-3033
发布日期:
作者：古莹奎, 刘平, 林忠海, 邱光琦
单位：江西理工大学 机电工程学院,江西 赣州 341000
关键词：滚动轴承,Kurtogram,深可分卷积神经网络(DSCN),故障诊断,混淆矩阵
基金：国家自然科学基金资助(61963018); 江西省自然科学基金资助(20181BAB202020)。
为揭示不同轴承故障类型的特征,提高故障诊断的精度与效率,提出一种基于Kurtogram与深可分卷积神经网络(DSCN)相结合的轴承故障诊断方法。在利用原始振动信号生成Kurtogram的基础上,通过DSCN学习和识别不同故障模式下Kurtogram的图形特征,自动提取优势特征并进行故障分类。结果表明:相对于其他故障诊断方法,提出的方法在测试集上的识别精确度较高,可达到97.28%;同时,DSCN在降低参数量及提高训练速度上具有明显优势。
来源：2021年第6期
《中国安全科学学报》期刊编辑部
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。