【摘 要】
：
针对滚动轴承故障识别过程中,难以提取细微故障特征的问题,提出一种基于融合卷积神经网络与基于粒子群优化算法的支持向量机相结合的滚动轴承故障诊断方法。该方法将轴承振动信号同时作为一维卷积神经网络和二维卷积神经网络的输入信号,并在汇聚层中将提取到的故障信息融合,最后通过优化后的分类器提高故障识别准确率。为了验证该方法的诊断性能,将与融合卷积神经网络同规格的一维卷积神经网络和二维卷积神经网络进行对比。试验结果表明,该方法不仅可以提高故障识别准确率,还可以在信号受到噪声污染时保持良好的诊断性能。
【基金项目】
：
农业农村部渔业渔政管理局项目(D-8021-19-0163)资助。
论文部分内容阅读
针对滚动轴承故障识别过程中,难以提取细微故障特征的问题,提出一种基于融合卷积神经网络与基于粒子群优化算法的支持向量机相结合的滚动轴承故障诊断方法。该方法将轴承振动信号同时作为一维卷积神经网络和二维卷积神经网络的输入信号,并在汇聚层中将提取到的故障信息融合,最后通过优化后的分类器提高故障识别准确率。为了验证该方法的诊断性能,将与融合卷积神经网络同规格的一维卷积神经网络和二维卷积神经网络进行对比。试验结果表明,该方法不仅可以提高故障识别准确率,还可以在信号受到噪声污染时保持良好的诊断性能。
其他文献
文中介绍了在产城融合背景下,通过优化产业、绿色发展,在燕郊高新区产业园规划、建筑设计的实践中,融入绿色建筑、海绵城市理念,实现城市品质提升,低碳发展,打造特色小镇,为
结构活性作为Petri网的重要结构性质,在Petri网活性判定领域具有较高的研究价值。从Petri网有向回路对结构活性的影响入手,分析与判定无冲突Petri网的结构活性,讨论库所元素及其后置变迁之间是否存在有向回路对Petri网结构活性的影响,研究该类Petri网结构活性判定方法的相关条件与结论,得到无冲突Petri网是满足结构活性的充分必要条件。分析结果表明,该判定方法可在多项式时间内判定无冲突Petri网的结构活性。
为解决传统滚动轴承寿命预测方法精度差,效率低的问题。提出一种基于双向堆叠简单循环单元(Bidirectional Stack Simple Recurrent Unit,Bi-SRU)的预测方法。从原始信号中提取多种时、频域特征构建多维数据集,增强信息表征,避免了单一特征对轴承退化能力反映不足的缺点。依靠循环神经网络(Recurrent Neural Network,RNN)处理时序数据的能力,构建SRU模型,重构传统RNN串行运算结构,提升训练效率。并在单层SRU的基础上反向堆叠,使模型能够获取学习时间
文中针对市政排水管道运行中存在的管理维护问题进行了分析,并提出了具体的防治措施.
物联网终端的显著特点是对外部世界进行感知与控制,但是传统安全威胁分析模型无法有效评估来自外部的攻击数据对物联网终端固件造成的危害。将新攻击面引入的攻击数据作为分析对象,通过对攻击数据在固件中的完整传播路径和交互过程进行建模,构建面向新攻击面的物联网终端固件安全威胁模型FSTM,从而分析物联网终端固件所面临的潜在威胁。分析结果表明,FSTM模型能有效描述物联网与物理世界紧耦合、与业务强相关的特性,为
文中分析了饰面墙地砖开裂、空鼓以及脱落的成因,并提出了相应的防治方法.
文中探究了屋顶花园生态景观规划的原理,对屋顶承载能力、防水排水、选择适宜的植物这三项规划进行把控,分析了屋顶花园生态景观规划应用的情况.
在5G移动通信系统商用落地的背景下,设计准确、高效的信道估计方法对无线网络性能优化具有重要意义。基于改进GA-Elman算法,提出一种新的无线智能传播损耗预测方法。对Elman神经网络中的连接权值、阈值和隐藏神经元进行实数编码,在隐藏神经元编码中加入二进制控制基因,同时利用自适应遗传算法对权值、阈值和隐藏神经元数量进行优化,解决网络易陷入局部极小值和神经元数目难以确定的问题,从而提高预测性能。仿真结果表明,与仅优化连接权值及阈值的GA-Elman神经网络和标准Elman神经网络相比,该方法具有较高的预测精
网络切片是5G网络的基础架构技术,为在多个切片共享同一底层网络资源的同时保证切片的可靠性,提出一种区分业务类型的网络切片可靠性映射算法,解决底层网络链路故障、网络切
文中通过已建成综合管廊实际用电分析,对其变压器容量的选择进行了探讨.