基于注意力的多尺度卷积神经网络轴承故障诊断
张玺君; 尚继洋; 余光杰; 郝俊
2023-04-07
发表期刊吉林大学学报(工学版)
ISSN1671-5497
页码1-10
摘要针对卷积神经网络在噪声环境下轴承故障诊断精度较低的问题,提出一种加入通道注意力的多尺度卷积神经网络抗噪模型(MACNN)。模型在提取不同尺度的特征时利用通道注意力自适应地选择包含故障特征的通道来提高模型的抗噪能力,抑制噪声的影响;此外,利用自适应大小的一维卷积调整不同尺度的特征通道权重,自适应融合不同尺度的特征;最后通过全连接层进行特征分类。两个轴承数据集上的实验结果表明,在不同信噪比的噪声干扰下,相比其他方法,MACNN有着更好的轴承故障诊断能力。
关键词故障诊断 滚动轴承 卷积神经网络 注意力机制
URL查看原文
收录类别北大核心 ; EI ; CSCD
语种中文
引用统计
文献类型期刊论文
条目标识符https://ir.lut.edu.cn/handle/2XXMBERH/161540
专题计算机与通信学院
作者单位兰州理工大学计算机与通信学院
第一作者单位计算机与通信学院
第一作者的第一单位计算机与通信学院
推荐引用方式
GB/T 7714
张玺君,尚继洋,余光杰,等. 基于注意力的多尺度卷积神经网络轴承故障诊断[J]. 吉林大学学报(工学版),2023:1-10.
APA 张玺君,尚继洋,余光杰,&郝俊.(2023).基于注意力的多尺度卷积神经网络轴承故障诊断.吉林大学学报(工学版),1-10.
MLA 张玺君,et al."基于注意力的多尺度卷积神经网络轴承故障诊断".吉林大学学报(工学版) (2023):1-10.
条目包含的文件
条目无相关文件。
个性服务
查看访问统计
谷歌学术
谷歌学术中相似的文章
[张玺君]的文章
[尚继洋]的文章
[余光杰]的文章
百度学术
百度学术中相似的文章
[张玺君]的文章
[尚继洋]的文章
[余光杰]的文章
必应学术
必应学术中相似的文章
[张玺君]的文章
[尚继洋]的文章
[余光杰]的文章
相关权益政策
暂无数据
收藏/分享
所有评论 (0)
暂无评论
 

除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。