摘要
一种基于降噪与动态激活的滚动轴承全寿命演化监测方法,首先利用并行的自适应降噪网络模块从整体和局部的角度对不同故障模式下的振动信号进行处理;接着将处理后的数据进行特征融合;然后将经过特征融合后的数据输入至卷积神经网络中提取深层特征;最后通过模型训练得到的最优输出激活函数获取滚动轴承全寿命演化过程的监测结果;本发明方法通过并行的自适应降噪网络模块提高输入监测信号的信噪比,并在输出模块使用可学习函数代替固定激活函数作为新的激活函数,实现输出结果的动态激活,不仅提升了监测模型的学习能力与建模能力,而且提高了滚动轴承全寿命演化监测过程的准确性。
技术关键词
滚动轴承
脉冲特征
高斯核函数
网络模块
监测方法
输出模块
模式
监测振动数据
寿命周期数据
卷积神经网络提取
样本
通道注意力机制
特征提取能力
信号
全局平均池化
非线性
动态
系统为您推荐了相关专利信息
振动信号特征提取
文本
故障特征
多尺度特征
通道注意力机制
状态监测数据
状态监测信息
储能系统
监测方法
指标
空中下载技术
系统级芯片
车载仪表
无线网络模块
循环冗余校验
污染物监测方法
联动控制策略
模糊控制融合
化工
深度神经网络
Louvain算法
聚类方法
矩阵
基因表达数据
高斯核函数