基于改进一维卷积神经网络的滚动轴承故障识别

滚动轴承的故障识别对于防止旋转机械系统故障恶化并保证其安全运行具有重要意义。

针对现有智能诊断模型参数多、识别效率低的问题，提出一种基于改进一维卷积神经网络的滚动轴承故障识别FRICNN方法。

通过引入1*1卷积核增强一维卷积神经网络模型的非线性表达能力；并用全局平局池化层代替传统卷积神经网络中的全连接层，以降低模型参数和计算量，且防止过拟合现象。

试验结果表明，该方法可以准确识别滚动轴承不同故障状态，具有一定的工程实际应用潜力。

参考文献：2022年振动与冲击EI《基于改进一维卷积神经网络的滚动轴承故障识别》

●数据预处理：支持1维原始数据

●网络模型：FRICNN、AlexNet、CNN

●数据集：西储大学CWRU、德国帕德博恩PU、河内大学2023轴承数据HUST

●网络框架：pytorch

●结果输出：损失曲线图、准确率曲线图、混淆矩阵、tsne图

●使用对象：初学者

●代码保证：故障诊断代码注释详细、即拿即可跑通。

ID:53100

详询客服 微信shujuqudong1 或shujuqudong6 或 qq68823886 或 27699885

图文详情请查看： http://matup.cn/775618695257.html