10.3969/j.issn.1673-7598.2023.06.005
基于CBAM-InceptionV2-双流CNN的风电机组轴承故障诊断
针对风电机组轴承故障诊断中经典一维卷积神经网络和二维卷积神经网络准确率低的问题,将一维原始振动信号和二维时频图相融合,构建基于CBAM-InceptionV2-双流CNN的滚动轴承故障诊断方法.首先,通过快速傅里叶变换和小波变换,将原始振动信号转化为一维数据和二维时频图;其次,构建基于CBAM-InceptionV2-双流CNN模型;最后,将提取到的双层特征信息进行融合,并输入到Softmax完成故障分类.实验结果表明,所提模型能够显著地提升轴承故障诊断的准确性.
CBAM注意力机制、InceptionV2、双流CNN、故障诊断、快速傅里叶变换、小波变换
51
TM315(电机)
2023-07-19（万方平台首次上网日期，不代表论文的发表时间）
共6页
28-33
