Scidown文献预览系统!
基于双流特征融合卷积神经网络的滚动轴承故障智能诊断方法( A novel intelligent fault diagnosis method of rolling bearing based on two-stream feature fusion convolutional neural network )
F Xue W Zhang F Xue D Li J Fleischer
以往的轴承故障诊断模型要么精度低,要么迭代时间长,不适用于缺乏计算资源的实时生产质量控制场景。本文建立了双流特征融合卷积神经网络(TSFFCNN)。从提出的一维CNN和二维CNN并行多通道结构中提取深度特征,然后通过特征融合策略进行融合,以获得更可靠的诊断效果。此外,采用粒子最小二乘优化支持向量机(PSO-SVM)提高了算法的精度。模型的结构参数配置合理,迭代次数少,计算量小。验证了该算法对单个故障和模拟复合故障的诊断有效性。为了证明系统的可靠性,引入了平稳性和同步性的概念。在精度、收敛迭代和时间消耗等方面,将TSFFCNN-PSO-SVM模型与其他智能算法进行了比较。实验结果表明,TSFFCNN-PSO-SVM能以较少的迭代次数更准确地从振动信号中识别故障模式。
『Sci-Hub|Scidown』怎么用?来看看教程吧!

支持模式 1.支持DOI号 2.支持英文文献全名搜索 3.支持参考文献搜索 4.知网文献(暂时关闭)


安卓手机、电脑用户,您可以在QQ浏览器里输入 www.scidown.cn 打开scidown解析,就可以解析、下载了!(注意是文献的DOI号)


苹果手机用户,您需要先在App Store里搜索并下载 Documents by Readdle 这个APP,在APP首页,左划右下角的指南针图标打开APP内置浏览器,在浏览器里输入 www.scidown.cn 打开scidown解析,就可以解析、下载了!


如出现BUG?赶快加入【Scidown互助交流群】反馈吧:729083885【点击一键加群】