期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到1篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
变工况下基于IPNCC-MCSKNet的滚动轴承故障声纹识别方法
1
作者 何新荣 邵峰 +1 位作者 郭嘉 杜小泽 《现代制造工程》 北大核心 2025年第5期135-143,共9页
针对电厂设备运行工况复杂多变导致滚动轴承故障模式难以识别的问题,提出了一种基于IPNCC-MCSKNet的滚动轴承故障声纹识别方法,实现变转速工况下滚动轴承故障的高效识别。首先,对采集到的轴承声纹信号进行预处理、降噪、特征差分整合,... 针对电厂设备运行工况复杂多变导致滚动轴承故障模式难以识别的问题,提出了一种基于IPNCC-MCSKNet的滚动轴承故障声纹识别方法,实现变转速工况下滚动轴承故障的高效识别。首先,对采集到的轴承声纹信号进行预处理、降噪、特征差分整合,形成改进的功率归一化倒谱系数(Improved Power-Normalized Cepstral Coefficients,IPNCC);然后,提取包含IPNCC的多种声纹特征构建多通道输入特征,利用选择性核(Selective Kernel,SK)卷积模块能够自适应调整卷积核大小的机制,建立多通道选择性核卷积网络模型(Multi-Channels Selective Kernel Network,MCSKNet);最后,对滚动轴承不同故障形式样本进行声纹建模与故障识别。试验表明,所提模型在多种变转速工况的诊断任务中平均诊断准确率达到95.99%,相比其他深度学习模型提升了13.98%~26.55%,模型鲁棒性更强。研究结果可为滚动轴承声纹特征提取及故障诊断提供新思路。 展开更多
关键词 滚动轴承 声纹建模 故障识别 ipncc MCSKNet 选择性核卷积
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部