时频分析与VGG19迁移学习的轴承故障检测
Electronic Measurement Technology（2021）
摘要
为了解决轴承故障诊断依赖专家经验的人工特征提取问题,提出时频分析与VGG19网络迁移学习的故障诊断方法.首先利用时频分析的方法将轴承的正常状态、内圈故障、外圈故障和滚动体故障的一维数据转换为时频样本图,同时也将上述数据生成谱峭度图;其次对VGG19网络模型中的全连接层进行网络替换并Fine-tuning;最后通过网络调参实现卷积神经迁移学习网络对轴承故障的识别分类诊断.结果表明,在实验中滚动轴承故障诊断的时频样本图分类准确率高于谱峭度图样本分类的准确率高达5.42％,验证了时频分析与VGG19迁移学习在信号处理方面应用的有效性;另外,迁移学习可以解决小样本的故障诊断问题.
更多AI 理解论文
溯源树
样例
生成溯源树，研究论文发展脉络
Chat Paper
正在生成论文摘要