报告详情
  1. 活动首页
  2. 报告清单
  3. 报告详情
使用多种类型数据基于深度学习的滚动轴承损伤诊断研究
编号：890 访问权限：仅限参会人 更新：2023-03-26 09:27:29 浏览：206次 口头报告

报告开始：暂无开始时间（Asia/Shanghai）

报告时间：暂无持续时间

所在会场：[暂无会议] [暂无会议段]

暂无文件

摘要
近年来，即使不具备十分丰富的轴承诊断专业知识和经验，也可以通过计算机的深度学习技术对轴承损伤进行诊断的研究越来越受到重视。本研究使用多种类型的轴承（深沟球轴承、圆柱滚子轴承、球面滚子轴承）在多种运转条件下采集的数据集，基于CNN-LSTM模型的深度学习，对滚动轴承的损伤诊断进行研究。结果表明本文构筑的诊断模型比以往报告过的模型具有更好的泛化性能。此外为了弄清本文模型泛化能力高的原因，采用Grad-CAM方法对本文模型的诊断处理过程进行可视化研究，揭示了该模型泛化性高的主要原因是由于能够提取轴承剥落振动的共通特征，即周期性的冲击振动。
关键词
暂无
报告人
吴洋
恩斯克（中国）研究开发有限公司

稿件作者
吴洋 恩斯克（中国）研究开发有限公司
发表评论
验证码 看不清楚，更换一张
全部评论
重要日期

  • 会议日期

    04月24日

    2023

    至

    04月27日

    2023

  • 03月20日 2023

    初稿截稿日期

  • 04月27日 2023

    注册截止日期

主办单位
中国机械工程学会
承办单位
中国科学院兰州化学物理研究所
联系方式
登录查看完整联系方式
历届会议
移动端
在手机上打开
小程序
打开微信小程序
客服
扫码或点此咨询