| 基于卷积脉冲神经网络的故障诊断方法研究 |
| |
| 引用本文： | 马新娜,赵猛,祁琳.基于卷积脉冲神经网络的故障诊断方法研究[J].广西师范大学学报(自然科学版),2022,40(3):112-120. |
| |
| 作者姓名： | 马新娜 赵猛 祁琳 |
| |
| 作者单位： | 石家庄铁道大学 信息科学与技术学院,河北 石家庄050043;省部共建交通工程结构力学行为与系统安全国家重点实验室(石家庄铁道大学) ,河北 石家庄050043 |
| |
| 基金项目： | 国家自然科学基金(11790282,11972236)；;河北省自然科学基金(A2021210022)； |
| |
| 摘 要： | 深度学习为轴承故障诊断的智能化发展提供了新思路。本文从类脑计算角度出发，设计一种对轴承数据敏感的脉冲神经网络来完成故障数据分类任务。首先采用信号分解的方式提高原始信号特征提取效果，然后对故障信号进行脉冲编码，并采用多分量混合输入方式填充时间步作为神经网络的输入，最后采用卷积脉冲神经网络(SCNN)进行故障分类。为了验证该模型的分类效果，采用西储大学轴承数据集进行验证，分类准确率达到了99.78%。结果表明该轴承数据编码方案可以充分发挥脉冲神经网络时空动力学特征，且该脉冲神经网络模型在轴承故障诊断问题上具有高精度、高效率的特性。本研究有利于促进脉冲神经网络在故障诊断领域的研究和应用。
|
| 关 键 词： | 脉冲神经网络 多模态分解 滚动轴承 故障诊断 IIR滤波器 |
Fault Diagnosis Based on Spiking Convolution Neural Network |
| |
| MA Xinna,ZHAO Men,QI Lin.Fault Diagnosis Based on Spiking Convolution Neural Network[J].Journal of Guangxi Normal University(Natural Science Edition),2022,40(3):112-120. |
| |
| Authors: | MA Xinna ZHAO Men QI Lin |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 万方数据 等数据库收录！ |
