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 |