基于改进深度残差收缩网络的轴承故障诊断
Bearing Fault Diagnosis Based on Improved Depth Residual Shrinkage Network作者机构：青岛大学数据科学与软件工程学院青岛266071
出 版 物：《青岛大学学报（自然科学版）》 (Journal of Qingdao University(Natural Science Edition))
年 卷 期：2022年第35卷第2期
页 面：38-43,50页
基 金：国家自然科学基金(批准号:61902203)资助 山东省重点研发计划重大科技创新工程(批准号:2019JZZY020101)资助
主 题：轴承 故障诊断 深度残差收缩网络 小波时频图 多尺度膨胀卷积
摘 要：为解决噪声背景中轴承故障诊断精度不高的问题,提出了一种新的轴承故障诊断方法。利用连续小波变换将采集到的振动信号转换成小波时频图,采用多尺度膨胀卷积对深度残差收缩网络进行改进,扩大卷积核的感受野,并将交叉熵损失函数改进成加权交叉熵损失函数。实验结果表明,与其他深度学习算法相比,本算法故障诊断的准确率较高。
维普期刊数据库
同方期刊数据库