首页> 中文期刊> 《自动化与仪器仪表》 >设备健康监测数据采集与分析模型构建

设备健康监测数据采集与分析模型构建

         

摘要

为提高滚动轴承等工业设备健康监测数据采集和分析的准确率,结合深度学习的特点,构建一个基于多重卷积神经网络融合的故障诊断模型,实现工业设备健康实时监测。首先,对卷积神经网络CNN和深度学习网络DNN的基本原理和网络结构进行具体分析,分别利用CNN和DNN多维度深层特征提取和挖掘的特点,提出多重CNN融合故障诊断算法;然后将此算法应用到工业设备监控监测模型中,对工业设备数据进行采集和处理分析。结果表明,对比于传统的CNN和DNN模型,融合后的模型在计算过程中的损耗较低,对工业设备故障诊断的准确率高达99.74%,可实现工业设备健康监测数据的有效采集和分析,模型性能优越。

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