发表服务
基于改进CNN的变工况下滚动轴承故障诊断方法研究.李艺伟.【摘要】：滚动轴承作为旋转机械的基础部件,广泛应用于工程机械、航空航天、高铁动车等重要领域。.建立可靠的健康状态检测系统,是保证旋转机械在工业过程中平稳运行的关键。.在实际工程应用...
为了更准确地诊断出滚动轴承的运行状态,提出一种基于小波包与CNN相结合的滚动轴承故障诊断方法:对采集的轴承振动信号进行小波包时频分析,得到各类信号的时频特征图,采用fine-tuning技术在CNN模型caffeNet上进行微调,解决少量样本训练CNN模型的问题,最终得到了...
对滚动轴承的振动信号进行去除后处理的MWT,得到相应的多小波系数分支;用所得多小波系数分支构造特征图,建立CNN分类器组模型,以实现滚动轴承复合故障的智能诊断。基于人工轴承故障数据集进行了实验研究,同时对诊断方法作了优化改进,即对振动信号进行
1024程序员节快乐~根据前两篇博文的实验结果，可以看出，两种模型相比，基于卷积神经网络的轴承故障诊断模型在各方面性能都更为优异。准确率比基于长短时记忆网络的轴承故障诊断模型高出近10%，而训练用时要节省近15分钟。其实对我来说最关键的是CNN训练快啊，我的电脑不是n卡，没…
基于深度学习的机械故障诊断CNN用于机械故障诊断这些代码用于两篇论文：“基于基于原始传感信号的卷积神经网络的滚动轴承故障智能诊断”（paper_1）和“基于以振动信号的二维表示作为输入的基于卷积神经网络的轴承故障诊断”（paper_2...
基于CNN和GAN的齿轮箱智能故障诊断框架搭建与实现.李亚鑫.【摘要】：齿轮箱作为机械系统中的核心部件之一,具有结构紧凑、高传动比等亮点。.强大的承重能力和较高的工作效率使得齿轮箱作为关键组件,被广泛应用于各类工业生产中,如风力发电系统、直升机...
我记得有一篇sci论文也是用cnn解决故障诊断问题，可以用谷歌或arxiv搜索故障诊断(英文)+cnn其中的做法…最近在做深度学习故障诊断，用的西储大学数据，请问我想用卷积神经网络处理，轴承数据预处理和导入怎么做？
提出一种基于小波时频图和卷积神经网络(CNN)的滚动轴承智能...机械设计与研究››2017,Vol.33››Issue(02):93-97.doi:10.13952/jki.jofmdr.a4238•论文•上一篇下一篇基于小波时频图和CNN的滚动轴承智能故障诊断方法
基于小波时频图与CNN的轴承故障诊断.特征提取部分用到了matlab时频图变换工具箱，故障诊断分类部分用的是pytorch0.4.传统轴承故障诊断是采用各种特征提取方法对一维轴承信号进行特征提取，如HHT包络谱，FFT频谱，小波能量谱等，变换后的特征依旧是一维数据...
为了解决这一问题，我们提出了一种基于一维神经网络的深度传递学习方法，用于滚动轴承的故障诊断。首先，以一维卷积神经网络（1D-CNN）作为基本框架，从振动信号中提取特征。使用关联关联度（CORAL）来最小化源域和目标域之间的边际分布差异。
基于改进CNN的变工况下滚动轴承故障诊断方法研究.李艺伟.【摘要】：滚动轴承作为旋转机械的基础部件,广泛应用于工程机械、航空航天、高铁动车等重要领域。.建立可靠的健康状态检测系统,是保证旋转机械在工业过程中平稳运行的关键。.在实际工程应用...
为了更准确地诊断出滚动轴承的运行状态,提出一种基于小波包与CNN相结合的滚动轴承故障诊断方法:对采集的轴承振动信号进行小波包时频分析,得到各类信号的时频特征图,采用fine-tuning技术在CNN模型caffeNet上进行微调,解决少量样本训练CNN模型的问题,最终得到了...
对滚动轴承的振动信号进行去除后处理的MWT,得到相应的多小波系数分支;用所得多小波系数分支构造特征图,建立CNN分类器组模型,以实现滚动轴承复合故障的智能诊断。基于人工轴承故障数据集进行了实验研究,同时对诊断方法作了优化改进,即对振动信号进行
1024程序员节快乐~根据前两篇博文的实验结果，可以看出，两种模型相比，基于卷积神经网络的轴承故障诊断模型在各方面性能都更为优异。准确率比基于长短时记忆网络的轴承故障诊断模型高出近10%，而训练用时要节省近15分钟。其实对我来说最关键的是CNN训练快啊，我的电脑不是n卡，没…
基于深度学习的机械故障诊断CNN用于机械故障诊断这些代码用于两篇论文：“基于基于原始传感信号的卷积神经网络的滚动轴承故障智能诊断”（paper_1）和“基于以振动信号的二维表示作为输入的基于卷积神经网络的轴承故障诊断”（paper_2...
基于CNN和GAN的齿轮箱智能故障诊断框架搭建与实现.李亚鑫.【摘要】：齿轮箱作为机械系统中的核心部件之一,具有结构紧凑、高传动比等亮点。.强大的承重能力和较高的工作效率使得齿轮箱作为关键组件,被广泛应用于各类工业生产中,如风力发电系统、直升机...
我记得有一篇sci论文也是用cnn解决故障诊断问题，可以用谷歌或arxiv搜索故障诊断(英文)+cnn其中的做法…最近在做深度学习故障诊断，用的西储大学数据，请问我想用卷积神经网络处理，轴承数据预处理和导入怎么做？
提出一种基于小波时频图和卷积神经网络(CNN)的滚动轴承智能...机械设计与研究››2017,Vol.33››Issue(02):93-97.doi:10.13952/jki.jofmdr.a4238•论文•上一篇下一篇基于小波时频图和CNN的滚动轴承智能故障诊断方法
基于小波时频图与CNN的轴承故障诊断.特征提取部分用到了matlab时频图变换工具箱，故障诊断分类部分用的是pytorch0.4.传统轴承故障诊断是采用各种特征提取方法对一维轴承信号进行特征提取，如HHT包络谱，FFT频谱，小波能量谱等，变换后的特征依旧是一维数据...
为了解决这一问题，我们提出了一种基于一维神经网络的深度传递学习方法，用于滚动轴承的故障诊断。首先，以一维卷积神经网络（1D-CNN）作为基本框架，从振动信号中提取特征。使用关联关联度（CORAL）来最小化源域和目标域之间的边际分布差异。
发表服务