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VMD-MSSST时频增强和ResNet多模态融合的故障诊断方法
1
作者 冯煜尧 刘承全 +3 位作者 张雨璠 薛亚晨 郑小霞 符杨 《机电工程》 北大核心 2026年第1期73-81,148,共10页
针对振动信号的非线性、非平稳性导致的故障特征提取与诊断难的问题,提出了一种基于VMD-MSSST时频增强和ResNet多模态融合的诊断方法。首先,利用变分模态分解将振动信号分解为多个本征模态函数,结合峭度与相关系数设定筛选准则,提取了... 针对振动信号的非线性、非平稳性导致的故障特征提取与诊断难的问题,提出了一种基于VMD-MSSST时频增强和ResNet多模态融合的诊断方法。首先,利用变分模态分解将振动信号分解为多个本征模态函数,结合峭度与相关系数设定筛选准则,提取了包含故障信息的有效模态,对信号进行了重构,并引入了多重同步挤压S变换,进行了时频特征增强,将能量集中到瞬时频率轨迹上,实现了对冲击故障特征的精准提取目的;然后,构建了多模态特征融合的故障诊断模型,利用ResNet提取了时频图像的深层空间特征、双向门控循环支路捕获时序特征、卷积注意力支路强化故障敏感频带,并在特征层对信息进行了融合;最后,以凯斯西储大学的轴承故障数据集为研究对象,对十种不同状态的振动信号进行了消融实验和对比实验,并在风机现场轴承数据上和传统方法进行了诊断对比。研究结果表明:采用基于VMD-MSSST时频增强和ResNet多模态融合的诊断方法,平均分类精度可达99.19%;通过可视化分析验证了该方法能实现故障特征的清晰聚类目标,说明VMD预处理与MSSST增强的协同作用能更有效地提取故障特征信息,双分支融合结构可实现模型对信号特征的充分挖掘目的,为复杂工况下的轴承故障诊断提供参考。 展开更多
关键词 故障诊断模型 滚动轴承 变分模态分解 多重同步挤压S变换 残差网络 门控循环单元 注意力模块
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