針對(duì)一維卷積神經(jīng)網(wǎng)絡(luò)單一卷積拓?fù)浣Y(jié)構(gòu)在提取不同工況下的信號(hào)特征時(shí)缺乏自適應(yīng)性,難以處理復(fù)雜工況下的機(jī)械故障診斷問(wèn)題,提出了一種基于多尺度卷積策略的卷積神經(jīng)網(wǎng)絡(luò)(MACNN)故障診斷算法。首先將表征滾動(dòng)軸承故障的一維振動(dòng)信號(hào)輸入模型,然后利用卷積層中的多尺度卷積結(jié)構(gòu)對(duì)原始信號(hào)進(jìn)行卷積運(yùn)算,實(shí)現(xiàn)不同角度的敏感特征提取,再通過(guò)池化層進(jìn)行特征信息的提煉和簡(jiǎn)化,最后利用全連接層實(shí)現(xiàn)檢測(cè)結(jié)果輸出。在公共數(shù)據(jù)集——?jiǎng)P斯西儲(chǔ)大學(xué)的軸承故障數(shù)據(jù)集上進(jìn)行試驗(yàn),結(jié)果表明:MACNN算法和其他算法相比擁有更快的收斂速度和更高的識(shí)別準(zhǔn)確率,為故障診斷提供了一種新的方法。同時(shí),其在多工況下表現(xiàn)出的優(yōu)異泛化性能說(shuō)明具備工業(yè)應(yīng)用的可行性。

【文章頁(yè)數(shù)】：9 頁(yè)

【文章目錄】：
1 基于多尺度卷積策略CNN的滾動(dòng)軸承故障診斷算法
    1.1 卷積神經(jīng)網(wǎng)絡(luò)概念
    1.2 多尺度卷積策略
    1.3 MACNN診斷算法流程
        1.3.1 MACNN前向傳播過(guò)程設(shè)計(jì)
        1.3.2 模型訓(xùn)練
2 試驗(yàn)
    2.1 滾動(dòng)軸承故障數(shù)據(jù)集
    2.2 參數(shù)設(shè)置
    2.3 滾動(dòng)軸承故障診斷結(jié)果與分析
3 結(jié)束語(yǔ)



本文編號(hào)：3837518