首页> 中文期刊> 《轴承》 >基于门控循环单元胶囊网络的滚动轴承故障诊断

基于门控循环单元胶囊网络的滚动轴承故障诊断

         

摘要

针对目前噪声、变负载工况下基于深度学习的轴承故障诊断方法可能存在准确率下降的问题,提出一种基于门控循环单元(GRU)的胶囊网络模型,利用门控循环单元充分提取故障特征,再通过胶囊网络神经元中的向量提取更多细节特征并减少信息的丢失,最终完成故障的分类.试验及对比分析表明,该模型在0 dB信噪比的加噪状态下仍能达到94.375%的准确率,变负载工况下的平均准确率可达90%,优于CAPS,GRU,CNN,DNN等常用深度学习模型.

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
获取原文

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号