广西师范大学学报(自然科学版)

2022, v.40(03) 112-120

[打印本页] [关闭]
本期目录(Current Issue) | 过刊浏览(Past Issue) | 高级检索(Advanced Search)

基于卷积脉冲神经网络的故障诊断方法研究
Fault Diagnosis Based on Spiking Convolution Neural Network

马新娜;赵猛;祁琳;

摘要(Abstract):

深度学习为轴承故障诊断的智能化发展提供了新思路。本文从类脑计算角度出发,设计一种对轴承数据敏感的脉冲神经网络来完成故障数据分类任务。首先采用信号分解的方式提高原始信号特征提取效果,然后对故障信号进行脉冲编码,并采用多分量混合输入方式填充时间步作为神经网络的输入,最后采用卷积脉冲神经网络(SCNN)进行故障分类。为了验证该模型的分类效果,采用西储大学轴承数据集进行验证,分类准确率达到了99.78%。结果表明该轴承数据编码方案可以充分发挥脉冲神经网络时空动力学特征,且该脉冲神经网络模型在轴承故障诊断问题上具有高精度、高效率的特性。本研究有利于促进脉冲神经网络在故障诊断领域的研究和应用。

关键词(KeyWords): 脉冲神经网络;多模态分解;滚动轴承;故障诊断;IIR滤波器

Abstract:

Keywords:

基金项目(Foundation): 国家自然科学基金(11790282,11972236);; 河北省自然科学基金(A2021210022);; 河北省三三三人才项目(A202101018)

作者(Authors): 马新娜;赵猛;祁琳;

DOI: 10.16088/j.issn.1001-6600.2021070808

参考文献(References):

扩展功能
本文信息
服务与反馈
本文关键词相关文章
本文作者相关文章
中国知网
分享