作者:
基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
针对现有的轴承故障诊断数据特征提取单一的问题,本文提出了一种基于多尺度卷积神经网络的轴承故障诊断方法,以轴承运行时采集的故障信号为研究对象,使用多个尺寸的卷积核提取原始信号,使提取到的信号更加丰富,有效解决特征提取能力不强的问题,无需人工提取故障特征.试验结果表明,该方法具有较高的轴承故障诊断准确率.
推荐文章
基于卷积神经网络的滚动轴承故障诊断方法
深度学习
卷积神经网络
特征自动提取
轴承故障诊断
基于改进深度卷积神经网络的轴承故障诊断
风电机组
轴承
故障诊断
深度卷积神经网络
采用多通道样本和深度卷积神经网络的轴承故障诊断方法
轴承故障诊断
三通道样本
深度卷积神经网络
连续小波变换
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于多尺度卷积神经网络的轴承故障诊断研究
来源期刊 南方农机 学科
关键词 轴承 故障诊断 卷积神经网路 深度学习
年,卷(期) 2021,(1) 所属期刊栏目 机械装备研发
研究方向 页码范围 116-117
页数 2页 分类号 TH133.3
字数 语种 中文
DOI 10.3969/j.issn.1672-3872.2021.01.051
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (188)
共引文献  (121)
参考文献  (7)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1943(1)
  • 参考文献(0)
  • 二级参考文献(1)
1980(1)
  • 参考文献(0)
  • 二级参考文献(1)
1981(1)
  • 参考文献(0)
  • 二级参考文献(1)
1989(2)
  • 参考文献(0)
  • 二级参考文献(2)
1991(1)
  • 参考文献(0)
  • 二级参考文献(1)
1995(1)
  • 参考文献(0)
  • 二级参考文献(1)
1996(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(4)
  • 参考文献(0)
  • 二级参考文献(4)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2001(2)
  • 参考文献(0)
  • 二级参考文献(2)
2003(2)
  • 参考文献(0)
  • 二级参考文献(2)
2004(5)
  • 参考文献(0)
  • 二级参考文献(5)
2005(6)
  • 参考文献(0)
  • 二级参考文献(6)
2006(2)
  • 参考文献(0)
  • 二级参考文献(2)
2007(5)
  • 参考文献(0)
  • 二级参考文献(5)
2008(8)
  • 参考文献(0)
  • 二级参考文献(8)
2009(4)
  • 参考文献(0)
  • 二级参考文献(4)
2010(4)
  • 参考文献(0)
  • 二级参考文献(4)
2011(19)
  • 参考文献(0)
  • 二级参考文献(19)
2012(15)
  • 参考文献(0)
  • 二级参考文献(15)
2013(28)
  • 参考文献(0)
  • 二级参考文献(28)
2014(24)
  • 参考文献(0)
  • 二级参考文献(24)
2015(21)
  • 参考文献(0)
  • 二级参考文献(21)
2016(23)
  • 参考文献(1)
  • 二级参考文献(22)
2017(8)
  • 参考文献(3)
  • 二级参考文献(5)
2018(4)
  • 参考文献(2)
  • 二级参考文献(2)
2019(1)
  • 参考文献(1)
  • 二级参考文献(0)
2021(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
轴承
故障诊断
卷积神经网路
深度学习
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
南方农机
半月刊
1672-3872
36-1239/TH
大16开
江西省南昌市省府大院北一路3号6楼
44-110
1970
chi
出版文献量(篇)
23381
总下载数(次)
96
论文1v1指导