声明
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
国内刊号：41-1437/TS
国际刊号：2096-1553
发布日期:
作者：楼剑阳, 南国防, 宋传冲
单位：上海理工大学能源与动力工程学院,上海200093
关键词：小波包分解, 卷积神经网络, 故障诊断, 滚动轴承
基金：国家自然科学基金项目（91852117）
针对旋转机械滚动轴承在恶劣工作环境中易于损坏，而目前故障诊断过于依赖人工特征提取的问题，提出了一种基于小波包分解和卷积神经网络（CNN）的滚动轴承故障诊断方法（WPDEC-CNN）：通过小波包分解对振动时域信号进行处理，获得表征信号相似的小波系数，再将其进行预处理后输入CNN进行分类识别.试验结果表明，WPDEC-CNN的损失率低于BP神经网络和CNN，为0.108 9；WPDEC-CNN的故障分类准确率均高于BP神经网络和CNN，达到97.3%，验证了所提故障诊断方法的有效性.
来源：2021年第3期
《轻工学报》期刊编辑部
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。