基于參數(shù)優(yōu)化VMD和改進(jìn)GoogLeNet 的滾動軸承故障診斷

打開文本圖片集

摘要：【目的】深度學(xué)習(xí)方法在滾動軸承故障診斷領(lǐng)域的應(yīng)用十分有效，但傳統(tǒng)神經(jīng)網(wǎng)絡(luò)由于采用單一尺度的卷積核而無法多尺度提取特征，且并未考慮到不同特征在故障診斷中的重要程度，滾動軸承信號在噪聲干擾下的故障特征提取較為困難。為此，提出了一種基于參數(shù)優(yōu)化變分模態(tài)分解（Variational Mode Decomposition， VMD）降噪，并用以注意力機(jī)制改進(jìn)的GoogLeNet 網(wǎng)絡(luò)進(jìn)行診斷的滾動軸承故障診斷方法。（剩余1520字）