融合多小波分解的深度卷積神經(jīng)網(wǎng)絡(luò)軸承故障診斷方法

打開文本圖片集

摘要：針對(duì)卷積神經(jīng)網(wǎng)絡(luò)及其與信號(hào)降噪預(yù)處理集成方法面臨高噪聲環(huán)境和低質(zhì)量數(shù)據(jù)挑戰(zhàn)時(shí)難以有效地提取信號(hào)有用特征的問題，提出了一種融合Geronimo-Hardin-Massopust多小波分解的深度卷積神經(jīng)網(wǎng)絡(luò)模型（GHMMD-DCNN）。該模型思想是將多小波包分解與卷積神經(jīng)網(wǎng)絡(luò)深度融合，即設(shè)計(jì)多個(gè)一級(jí)多小波分解層以提取信號(hào)的低頻分量和高頻分量，再將多個(gè)一級(jí)多小波分解層與卷積層交替聯(lián)接，使模型能夠多尺度地提取并學(xué)習(xí)信號(hào)有用的時(shí)頻域信息，信號(hào)分解和特征學(xué)習(xí)交替執(zhí)行，進(jìn)而實(shí)現(xiàn)強(qiáng)噪聲魯棒特征提取。（剩余16530字）