ImageVerifierCode 换一换
格式:DOCX , 页数:2 ,大小:20.13KB ,
资源ID:479288      下载积分:5 金币
已注册用户请登录:
账号:
密码:
验证码:   换一换
  忘记密码?
三方登录: 微信登录   QQ登录  
下载须知

1: 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。
2: 试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓。
3: 文件的所有权益归上传用户所有。
4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
5. 本站仅提供交流平台,并不能对任何下载内容负责。
6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

版权提示 | 免责声明

本文(实现对轴承故障严重程度的分类.docx)为本站会员(田海滨)主动上传,三一文库仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对上载内容本身不做任何修改或编辑。 若此文所含内容侵犯了您的版权或隐私,请立即通知三一文库(发送邮件至doc331@126.com或直接QQ联系客服),我们立即给予删除!

实现对轴承故障严重程度的分类.docx

1、目的:实现对轴承故障严重程度的分类。主要问题:轴承振动信号中通常包括了足够的故障信息,但其具有非线性与不稳定性,如何提取?,即如何提取信号中的故障特征。理论方法:连续小波变换,CNN与SVM连续小波变换:初步提取信号特征,小波基函数选用MORLET(取决于基函数与轴承故障特征的相似系数,参考论文)CNN-SVM组合,应用CNN优秀的特征提取能力与SVM优秀的分类性能CNN结构:RESNET-18结构(残差网络),结构具体如下:(实话说这个没太看懂)LayernameOutputsizeLeamablesconvl11211277,64,stride2conv2_x565633maxpool,s

2、tride2r33,641133,642conv3_x282833,128.33,128.2conv4x141433,25633,256.2conv5_x7733,51233,512.211averagepool,1000-dft,softmaxFLOPs1.8IO9总体流程结构:原始数据-数据处理-小波变换图像-CNN获取特征-SVM分类数据样本:CWRU与MFPT公开数据集结果:CWRU:Trialnumber23456789IOAverageAccuracy(%)96.396.310010010010096.310010010098.89Trainingtime(s)17.0716.15

3、16.1616.4316.4616.9516.2716.6816.7616.6316.56MFPT:Trialnumber12345678910AverageAccuracy(%)99.2999.2998.2198.2!98.2198.5798.5798.5799.2999.2998.75Traininglime(s)35.1035.5934.4537.6635.2634.4636.3833.8837.7337.7235.82CWRU数据集,单独CNN或SVM与本文方法对比:ModelsClassifierAccuracy(%)Averagetrainingtime(s)Theproposed

4、modelSVM98.750.4635.68StandardCNNSoftmax96.720.58730StandardSVMSVM87.881.1520.41个人思考:1 .CNN网络应用广泛,能够挖掘深层特征信息,需要学习。2 .多个方法优势互补,取长补短。问题:本文CNN网格结构最后输出为1*1即一个数,并且本文是明显的多分类问题,具体如何使用SVM进行多分类文中未细说,是否还需核函数?软边界参数如何确定?参考文献:L.Yuan,D.Lian,X.KangtY.ChenandK.Zhai,RollingBearingFaultDiagnosisBasedonConvolutionalNeuralNetworkandSupportVectorMachine,inIEEEAccess,vol.8,pp.137395-137406,2020,doi:10.1109ACCESS.2020.3012053.

宁ICP备18001539号-1