非完备数据集下的标准自学习数据增强滚动轴承故障诊断方法

  • 打印
  • 收藏
收藏成功
微博 QQ空间 微信


打开文本图片集

摘要

滚动轴承的智能故障诊断是设备安全、高效运行的重要保障。然而，非平稳的运行工况使采集到的训练数据集呈现不完备的特点，导致基于数据驱动的模型仅能从中学习到极为有限的诊断知识，致使诊断准确率大幅下降。针对此问题，以生成扰动样本扩充原始数据集的完备性为目的，提出了标准自学习数据增强故障诊断方法。该方法包含标准自学习和数据增强两个训练步骤，将一维卷积神经网络的训练过程看作模型自学习出评判扰动样本的标准，基于此标准，采用样本参数化与模型数据化方法生成扰动样本。（剩余12479字）

试读结束

目录
monitor
客服机器人