| 基于浅层Inception-MobileNet旋转机械故障诊断 |
| |
| 引用本文： | 孙国栋,杨雄,黄得龙,高媛. 基于浅层Inception-MobileNet旋转机械故障诊断[J]. 噪声与振动控制, 2022, 42(5): 108-115 |
| |
| 作者姓名： | 孙国栋 杨雄 黄得龙 高媛 |
| |
| 作者单位： | （ 1. 湖北工业大学机械工程学院，武汉430068；2. 湖北省包装装备工程技术研究中心，武汉430068 ）
|
| |
| 基金项目： | 国家自然科学基金资助项目(51775177)； |
| |
| 摘 要： | 针对现有的旋转机械故障诊断算法存在着时频表示模糊、特征提取困难，从而导致故障诊断效率和精度较低的问题，提出一种基于浅层Inception-MobileNet的旋转机械故障诊断模型。该模型通过拼接法将原始振动信号转换为二维图像，然后采用多尺度卷积核提取不同分辨率的特征图，并结合深度可分离卷积实现特征学习与分类。该网络在CWRU数据集和MFPT数据集上分别实现了十种故障分类和三种故障分类，分类精度为99.5%和95.78%。与传统的网络进行比较，该网络可提高特征提取能力，并且在相同数据集上该网络实现的故障识别精度最高。
|
| 关 键 词： | 故障诊断 旋转机械 浅层Inception-MobileNet 卷积神经网络 |
| 收稿时间： | 2021-07-27 |
| 修稿时间： | 2021-10-12 |
Fault Diagnosis of Rotating Machinery Based on Shallow Inception-MobileNet |
| |
| Abstract: | |
| |
| Keywords: | |
|
| 点击此处可从《噪声与振动控制》浏览原始摘要信息 |
|
点击此处可从《噪声与振动控制》下载全文 |
