《多深度学习模型决策融合的滚动轴承故障诊断》PDF+DOC
作者:张立智,谭继文,徐卫晓,井陆阳
单位:大连组合机床研究所:中国机械工程学会生产工程分会
出版:《组合机床与自动化加工技术》2019年第08期
页数:4页 (PDF与DOC格式可能不同)
PDF编号:PDFZHJC2019080160
DOC编号:DOCZHJC2019080169
下载格式:PDF + Word/doc 文字可复制、可编辑
《人体动作识别中的深度学习模型选择》PDF+DOC 谭火媛,罗晓牧
《基于深度学习模型的无线传感器网络数据融合算法》PDF+DOC2014年第12期 邱立达,刘天键,林南,黄章超
《基于GA-BP神经网络的多传感器轴承故障诊断》PDF+DOC2017年第10期 李荣远,张国银,王海瑞,王雪,宋怡然,齐磊,任玉卿
《基于深度学习的无线传感器网络数据融合算法》PDF+DOC2017年第09期 朱彦
《基于多传感器信号和卷积神经网络的滚动轴承故障诊断》PDF+DOC2020年第04期 朱丹宸,张永祥,潘洋洋,朱群伟
《基于深度学习模型的WSN路由协议算法》PDF+DOC2019年第02期 王丽红,邵慧
《基于传感器人体行为识别深度学习模型的研究》PDF+DOC2018年第04期 陈波,余秋婷,陈铁明
《滚动轴承故障诊断中振动信号的采集》PDF+DOC2008年第02期 戴静君,刘丽华,薛庆齐,孟波
《基于卷积神经网络的雷达和通信信号调制识别》PDF+DOC2020年第02期 黎仁刚,侯坤元,冷鹏飞,姚群
《基于改进Jousselme证据距离的多传感器决策融合方法》PDF+DOC2019年第07期 张雅媛,孙力帆,郑国强
针对滚动轴承故障诊断中单一传感器信息的不全面性、单一网络模型的不确定性,提出了基于多深度学习模型决策融合的滚动轴承故障诊断方法。首先,利用深度卷积网络(CNN)和层叠降噪自动编码器(SDAE)分别对两个振动传感器信号进行自适应特征提取,经softmax初步分类。接着将两个网络的输出结果利用D-S证据理论进行融合,得到最终诊断结果。实验结果表明,利用该方法对滚动轴承进行故障诊断正确率达到95.63%,相比CNN正确率提高了5.49%,相比SDAE正确率提高了10.42%,验证了该方法的有效性。
提示:百度云已更名为百度网盘(百度盘),天翼云盘、微盘下载地址……暂未提供。