| 基于融合CNN和SSA-SVM的滚动轴承故障诊断 |
|
| |
| 中文关键词:滚动轴承 故障诊断 卷积神经网络 支持向量机 麻雀算法 |
| 英文关键词: |
| 基金项目: |
|
| 摘要点击次数: 902 |
| 全文下载次数: 1508 |
| 中文摘要: |
| 针对滚动轴承故障诊断问题，提出一种融合一维卷积神经网络(1D CNN)和麻雀算法优化支持向量机(SSA-SVM)的网络结构。该网络结构通过卷积运算对原始时域振动信号直接进行特征提取，将提取到的特征输入到麻雀算法优化的支持向量机中，使用支持向量机代替Softmax进行分类。利用滚动轴承故障数据进行验证，此方法故障诊断精度高达0.983,高于其他网络结构，且整体网络结构简单，有一定实际应用价值。 |
| 英文摘要: |
| |
| 王一帆；郝如江；郭梓良；杨文哲；赵瑞祥.基于融合CNN和SSA-SVM的滚动轴承故障诊断[J].石家庄铁道大学学报(自然科学版),2022,35(2):87-92. |
| 查看全文 下载PDF阅读器 |
|
| 关闭 |
|
|
|
|
|