基于GADF和PAM-Resnet的旋转机械小样本故障诊断方法 | |
梁浩鹏1; 曹洁1; 赵小强2 | |
刊名 | 控制与决策 |
2022-08-01 | |
页码 | 1-8 |
关键词 | 旋转机械 小样本故障诊断 格拉姆角差域 位置注意力模块 残差神经网络 数据增强 |
DOI | 10.13195/j.kzyjc.2022.0378 |
英文摘要 | 在旋转机械的实际工作中,由于故障样本有限,以致很难实现准确的故障诊断.针对此问题,本文提出一种基于GADF和PAM-Resnet的小样本故障诊断方法.首先,该方法构建了一种数据增强策略,该策略将数目较少的一维信号样本转化为二维GADF图,之后将GADF图裁剪成多个子图,从而得到大量的图像样本,解决了样本数目不足的问题.然后,构建了一种位置注意力模块(PAM),该模块使用横向卷积和纵向卷积分别对横向特征和纵向特征赋予权重,融合两种特征得到GADF图的位置信息.最后,将PAM插入到残差块中构建PAM残差块,并使用多个PAM残差块构建PAM-Resnet,PAM-Resnet可以有效的关注位置信息,具有较强的故障特征学习能力.本文分别进行了小样本环境下的齿轮箱故障诊断和滚动轴承故障诊断实验,结果表明,所提方法具有较高的故障诊断准确率,可以准确的诊断出小样本环境下的故障类型. |
URL标识 | 查看原文 |
语种 | 中文 |
内容类型 | 期刊论文 |
源URL | [http://ir.lut.edu.cn/handle/2XXMBERH/159298] |
专题 | 电气工程与信息工程学院 |
作者单位 | 1.兰州理工大学计算机与通信学院; 2.兰州理工大学电气工程与信息工程学院 |
推荐引用方式 GB/T 7714 | 梁浩鹏,曹洁,赵小强. 基于GADF和PAM-Resnet的旋转机械小样本故障诊断方法[J]. 控制与决策,2022:1-8. |
APA | 梁浩鹏,曹洁,&赵小强.(2022).基于GADF和PAM-Resnet的旋转机械小样本故障诊断方法.控制与决策,1-8. |
MLA | 梁浩鹏,et al."基于GADF和PAM-Resnet的旋转机械小样本故障诊断方法".控制与决策 (2022):1-8. |
个性服务 |
查看访问统计 |
相关权益政策 |
暂无数据 |
收藏/分享 |
除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。
修改评论