| 应用 Adabelief 优化器的 MSDNet 在多工况下
滚动轴承的故障诊断 |
| |
| 引用本文： | 高乐乐,崔宝珍,王浩楠.应用 Adabelief 优化器的 MSDNet 在多工况下
滚动轴承的故障诊断[J].电子测量与仪器学报,2022,36(11):170-177. |
| |
| 作者姓名： | 高乐乐 崔宝珍 王浩楠 |
| |
| 作者单位： | 1.中北大学机械工程学院 |
| |
| 基金项目： | 国家自然科学基金（51175480）、省重点研发计划（国际合作）（201903D421008）、中北大学先进制造技术山西省重点实验室开放课题研究基金（XJZZ202007）项目资助 |
| |
| 摘 要： | 针对滚动轴承在多工况条件下故障特征难以识别的问题,从数据驱动的角度出发应用一维多尺度密集网络(MSDNet)
对轴承进行故障诊断。 首先,将时域信号作为 MSDNet 的直接输入,保持了信号本有的固有特性;其次采用 3 个并行卷积操作
来提取轴承故障信号内部的多尺度信息,密集网络的加入防止了信息传递过程中的特征丢失,适当缓解了模型中的梯度消失问
题;然后训练过程中采用 Adabelief 优化算法优化模型参数,使得模型在快速收敛的同时又提高了其泛化性能;最后通过混淆矩
阵和特征可视化图展示出模型的分类性能,在凯斯西储大学轴承实验数据集和西安交通大学数据集上进行了多次实验,应用该
算法故障识别率可达到 98%以上,证明了该方法的有效性。
|
| 关 键 词： | 滚动轴承 MSDNet 多工况故障诊断 深度学习 |
Fault diagnosis of rolling bearings in variable multi-load conditions
based on MSDNet based on Adabelief optimizer |
| |
| Gao Lele,Cui Baozhen,Wang Haonan.Fault diagnosis of rolling bearings in variable multi-load conditions
based on MSDNet based on Adabelief optimizer[J].Journal of Electronic Measurement and Instrument,2022,36(11):170-177. |
| |
| Authors: | Gao Lele Cui Baozhen Wang Haonan |
| |
| Affiliation: | 1.School of Mechanical Engineering, North University of China |
| |
| Abstract: | |
| |
| Keywords: | rolling bearing MSDNet multi-load conditions fault diagnosis |
|
| 点击此处可从《电子测量与仪器学报》浏览原始摘要信息 |
|
点击此处可从《电子测量与仪器学报》下载全文 |
