基于卷积神经网络的滚动轴承故障特征提取方法、装置.pdf
篷璐****爱吗
亲,该文档总共12页,到这已经超出免费预览范围,如果喜欢就直接下载吧~
相关资料
基于卷积神经网络的滚动轴承故障特征提取方法、装置.pdf
本发明公开了一种基于卷积神经网络的滚动轴承故障特征提取方法、装置,方法包括:依据采集的原始振动信号构建样本,获得样本集;对样本集进行预处理,划分训练集与测试集;基于互信息规则、模型输入输出一致原则构建用于特征提取的神经网络模型;使用训练集训练构建好的神经网络模型,冻结网络权重;调用权重,输入测试集/待测试样本进行测试,获得特征提取结果。将本发明所述方法,成功应用于故障模拟实验台的滚动轴承振动数据,在保证了分类率的同时可以有效提取到轴承的故障特征频率,证明了该方法的可行性和有效性。
基于压缩的卷积神经网络模型的图像特征提取方法及装置.pdf
本文公开基于压缩的卷积神经网络模型的图像特征提取方法,包括:构建卷积神经网络模型,对卷积神经网络模型进行压缩:将卷积神经网络模型多个卷积层的权重压缩比作为蜜源,利用人工蜂群算法搜索适应度值最高的蜜源,根据蜜源确定对应的卷积神经网络压缩模型,利用压缩模型计算蜜源的适应度值;将适应度值最高的蜜源对应的压缩模型作为最终的卷积神经网络压缩模型;利用卷积神经网络压缩模型对图像进行特征提取;其中,根据蜜源确定对应的压缩模型包括:将卷积神经网络模型多个卷积层的权重进行稀疏低秩分解得到低秩矩阵,根据每层的权重压缩比对该层
基于迁移卷积神经网络的滚动轴承跨工况故障检测方法.pdf
本发明公开了一种基于迁移卷积神经网络的滚动轴承跨工况故障检测方法。本发明首先利用滑动窗口技术进行数据切割,并对每个窗口的振动信号进行归一化处理。其次,搭建一维卷积神经网络模型与迁移卷积神经网络模型,一维卷积神经网络简单方便,训练参数少,能够满足故障检测领域实时性的需求;在源域训练数据训练一维卷积神经网络模型的基础上,使用MMD微调卷积网络特征提取模块,构造微调迁移卷积神经网络使得迁移卷积神经网络提取的特征具有域不变性,进而进行目标域数据的故障检测。本发明所使用的迁移卷积神经网络结构简单,训练速度快,且具有
基于卷积神经网络的水下目标特征提取方法.pdf
基于卷积神经网络的水下目标特征提取方法王念滨;何鸣;王红滨;郎泽宇【期刊名称】《系统工程与电子技术》【年(卷),期】2018(040)006【摘要】针对水下目标特征提取问题,在卷积神经网的基础上,提出了一种新的网络结构.该框架通过引入特征图多维加权层,强化了特征图的空间信息,弥补了进入全连接层时空间特征的丢失.以层次结构构造一个集特征提取和分类器训练于一体的端到端网络,同时利用深度网络的反向传播完成分类器对特征提取的反馈以改进特征的效果.在仿真模拟实验上,该网络框架分类目标达到了78.61%的精度,与其他
基于卷积神经网络的水下目标特征提取方法.pdf
基于卷积神经网络的水下目标特征提取方法王念滨;何鸣;王红滨;郎泽宇【期刊名称】《系统工程与电子技术》【年(卷),期】2018(040)006【摘要】针对水下目标特征提取问题,在卷积神经网的基础上,提出了一种新的网络结构.该框架通过引入特征图多维加权层,强化了特征图的空间信息,弥补了进入全连接层时空间特征的丢失.以层次结构构造一个集特征提取和分类器训练于一体的端到端网络,同时利用深度网络的反向传播完成分类器对特征提取的反馈以改进特征的效果.在仿真模拟实验上,该网络框架分类目标达到了78.61%的精度,与其他