基于多尺度特征融合残差神经网络的旋转机械故障诊断

邓飞跃; 丁浩; 郝如江

首页> 中文期刊> 《振动与冲击》 >基于多尺度特征融合残差神经网络的旋转机械故障诊断

基于多尺度特征融合残差神经网络的旋转机械故障诊断

开具论文收录证明 >>

期刊封面封底目录下载 >>

文献代查 >>

页面导航

摘要
著录项
相似文献
相关主题

摘要

轴承、齿轮等旋转部件常在复杂工况下运行,环境噪声干扰大,导致故障特征微弱而难以准确诊断.基于此,该研究提出一种新的多尺度特征融合残差块(multi-scale feature fusion residual block,MSFFRB)设计方法,基于此构建了一维残差神经网络用于旋转机械故障诊断.该模型能够将不同尺度的网络卷积层级联在一起提取多尺度特征信息,在残差块内部实现了多尺度特征信息的有效融合,兼顾了残差网络跨层恒等映射与多尺度特征提取的优势,克服了传统卷积操作只能提取单一尺度特征信息的缺点.所构建的残差神经网络可以直接输入样本数据,不需要进行任何数据预处理,而且模型结构具有较高的灵活性,易于扩展.试验分析表明,所提网络可有效用于旋转机械的故障诊断,相比传统CNNs、ResNets、1D-LeNets、1D-AlexNets、MC-CNNs等5种当前常用网络,具有更好的抗噪性能,故障分类准确率更高,这为旋转机械故障诊断提供了一种新的途径.

著录项

来源
《振动与冲击》 |2021年第24期|22-2835|共8页
作者
邓飞跃; 丁浩; 郝如江;
展开▼
作者单位

石家庄铁道大学省部共建交通工程结构力学行为与系统安全国家重点实验室石家庄050043;

石家庄铁道大学河北省工程机械动力与传动控制重点实验室石家庄050043;

石家庄铁道大学机械工程学院石家庄050043;

石家庄铁道大学机械工程学院石家庄050043;

石家庄铁道大学省部共建交通工程结构力学行为与系统安全国家重点实验室石家庄050043;

石家庄铁道大学河北省工程机械动力与传动控制重点实验室石家庄050043;

展开▼
原文格式 PDF
正文语种 chi
中图分类机械运行与维修;
关键词
旋转机械; 故障诊断; 残差神经网络; 多尺度特征融合;

相似文献

中文文献
外文文献
专利

1. 基于多尺度特征残差学习卷积神经网络的视频超分辨率方法 [J] . 林琦 ,陈婧 ,曾焕强 . 信号处理 . 2020,第001期
2. 基于多尺度特征融合和残差注意力机制的目标检测 [J] . 李本高 ,吴从中 ,许良凤 . 计算机工程与科学 . 2021,第002期
3. 结合多尺度融合特征和残差注意力机制的联合三维人脸重建及密集对齐算法 [J] . 黄有达 ,周大可 ,杨欣 . 计算机应用研究 . 2021,第007期
4. 融合多层特征SENet和多尺度宽残差的高光谱图像地物分类 [J] . 于慧伶 ,霍镜宇 ,张怡卓 . 实验室研究与探索 . 2020,第007期
5. 基于变尺度混沌聚类和特征融合的发电机故障诊断 [C] . ZHAO Qian ,赵茜 ,WU Yu-cai . 2013年中国电机工程学会年会 . 2013
6. 基于残差神经网络和残基邻域特征的固有无序蛋白质分类 [A] . 李润超 . 2019

基于多尺度特征融合残差神经网络的旋转机械故障诊断

摘要

著录项

相似文献

相关主题

期刊订阅