基于一种改进的一维卷积神经网络电机故障诊断方法

• 作者: 刘潇然 沈伟 王军政 马立玲
• 来源期刊: 北京理工大学学报
• 学科: 工学
• 关键词: 一维卷积神经网络 空间金字塔池化 电机 故障诊断
• 年，卷（期）: 2020,（10）
• 所属期刊栏目: 信息与控制
• 页码范围: 1088-1093
• 页数: 6页
• 分类号: TP277
• 语种: 中文
• DOI: 10.15918/j.tbit1001-0645.2019.201

摘要

故障诊断对于保障电机正常运行有着重要意义,卷积神经网络(CNN)对单一电机故障有着良好的诊断效果.然而传统CNN在处理不同尺寸的数据上存在局限性.针对这一问题,提出了一种基于空间金字塔池化和一维卷积神经网络相结合的故障诊断方法与参数优化策略.该方法不仅使网络可以处理不同尺寸的数据,还降低了网络结构的复杂性和所需运算量.所提出的参数优化策略从理论上解决了诊断过程中可能会发生的金字塔池化的尺度失配问题.仿真结果表明,与传统网络相比,所提出的方法提高了网络结构的鲁棒性与泛化能力,可以更加快速准确地实现电机的故障诊断.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王军政		100	1335	20.0	29.0
2	沈伟		24	206	9.0	13.0
3	马立玲		18	238	9.0	15.0
4	刘潇然		1	0	0.0	0.0