文献检索-宁波市创意产业特色资源库

限定检索结果

融合多源传感器数据与1D-CNN集成的转子故障诊断: 收藏
分享
引用; 《桂林航天工业学院学报》2022年第4期27卷 437-446页; 作者：霍天龙梁耀方张博覃帅兴桂林航天工业学院电子信息与自动化学院广西桂林541004; 鉴于融合多传感器数据能够更全面的表征机械设备的运行状态信息,针对现有智能诊断模型需专家经验的特征提取、使用单一传感器数据无法获得设备状态完整信息等问题,提出了一种融合多源传感器数据与1D-CNN集成的转子故障诊断方法。通过分...; 鉴于融合多传感器数据能够更全面的表征机械设备的运行状态信息,针对现有智能诊断模型需专家经验的特征提取、使用单一传感器数据无法获得设备状态完整信息等问题,提出了一种融合多源传感器数据与1D-CNN集成的转子故障诊断方法。通过分析数据特点,利用卷积神经网络强大的特征提取能力和良好的泛化性能,设计了1D-CNN故障诊断模型,同时采用一系列防止过拟合的策略,把实验台上采集的振动信号直接输入至1D-CNN进行模型训练,使用得到的模型对振动信号进行故障辨识。实验结果表明,该方法能够准确识别转子的工作状态,同时具有良好的鲁棒性和泛化能力。为学术研究提供了理论参考,且具有一定的工程实际应用推广价值。; 来源：详细信息评论

限定检索结果