文献检索-宁波市创意产业特色资源库

限定检索结果

基于信息融合及双连接注意力残差网络的轴承故障诊断: 收藏
分享
引用; 《振动与冲击》2023年第20期42卷 114-123页; 作者：张洪亮余其源秦超群王锐张宇腾安徽工业大学管理科学与工程学院安徽马鞍山243032 苏州大学轨道交通学院江苏苏州215131; 针对单一传感器获取特征信息不足、深层卷积神经网络提取的故障特征缺乏重要性区分的问题,提出一种传感器信息融合与双连接注意力残差网络相结合的轴承故障诊断方法。首先,对从不同位置采集的振动信号,采用传感器信息融合策略转换成多...; 针对单一传感器获取特征信息不足、深层卷积神经网络提取的故障特征缺乏重要性区分的问题,提出一种传感器信息融合与双连接注意力残差网络相结合的轴承故障诊断方法。首先,对从不同位置采集的振动信号,采用传感器信息融合策略转换成多通道输入,以获取更全面的故障特征信息;其次,针对融合后的多通道输入,设计了一种双连接残差网络来增强模型对特征信息的提取,同时引入通道注意力机制模块,对输出的特征赋予不同权重,使模型提取到的特征更具有鉴别性,改善了识别准确率。将所提方法应用于复杂工况下的轴承数据集,试验表明,该方法在变工况和噪声环境干扰下,具有良好的故障分类精度。; 来源：详细信息评论

限定检索结果