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：
基于IEC模块和双流卷积神经网络的钻孔立杆机钻机轴承故障诊断方法
1
作者 杨淼 殷鹏 +3 位作者 曾小军 陈明 杨文 贺继林 《湖南电力》 2025年第5期133-140,共8页
为实现有效的轴承故障诊断,提出一种基于集成InceptionV2、高效通道注意力(efficient channel attention,ECA)、卷积块注意力模块(convolutional block attention module,CBAM)和双流卷积神经网络(two-stream convolutional neural netw... 为实现有效的轴承故障诊断,提出一种基于集成InceptionV2、高效通道注意力(efficient channel attention,ECA)、卷积块注意力模块(convolutional block attention module,CBAM)和双流卷积神经网络(two-stream convolutional neural network,TSCNN)的轴承故障诊断方法。首先,利用快速傅里叶变换(fast fourier transform,FFT)和连续小波变换(continuous wavelet transform,CWT)将原始振动信号转换成一维数据和二维时频图像。随后,构建TSCNN融合模型,将得到的小波时频图像和FFT谱作为输入,利用InceptionV2和ECANet-CBAM改进模块提取时频图像的空间特征,将得到的双层特征信息融合到Softmax层中完成故障分类。最后,基于滚动轴承故障标准数据集进行对比分析,结果表明,所提出故障诊断方法诊断准确率更高。 展开更多
关键词 钻孔立杆机 轴承 故障诊断 IEC模块 tscnn
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