A novel rolling bearing fault diagnosis method based on parameter optimization variational mode decomposition with feature weighted reconstruction and multi-target attention convolutional neural networks under small samples

卷积神经网络 模式识别(心理学) 计算机科学 算法 断层(地质) 信号处理 人工神经网络 信号(编程语言) 特征(语言学) 信号重构 人工智能 电信 雷达 语言学 哲学 地震学 程序设计语言 地质学
作者
Chaoqun Hu,Yonghua Li,Zhe Chen,Zhihui Men
出处
期刊:Review of Scientific Instruments [American Institute of Physics]
卷期号:94 (7) 被引量:5
标识
DOI:10.1063/5.0158412
摘要

To enhance the precision of rolling bearing fault diagnosis, an intelligent hybrid approach is proposed in this paper for signal processing and fault diagnosis in small samples. This approach is based on advanced techniques, combining parameter optimization variational mode decomposition weighted by multiscale permutation entropy (MPE) with maximal information coefficient and multi-target attention convolutional neural networks (MTACNN). First, an improved variational mode decomposition (VMD) is developed to denoise the raw signal. The whale optimization algorithm was used to optimize the penalty factor and mode component number in the VMD algorithm to obtain several intrinsic mode functions (IMFs). Second, separate MPE calculations are performed for both the raw signal and each of the IMF components obtained from the VMD decomposition; the results are used to calculate the maximum information coefficient (MIC). Subsequently, each MIC is normalized and converted to a weight coefficient for signal reconstruction. Ultimately, the reconstructed signals serve as input to the MTACNN for diagnosing rolling bearing faults. Results demonstrate that the signal processing approach exhibits superior noise reduction capability through simple processing. Furthermore, compared to several similar approaches, The method proposed for fault diagnosis achieves superior performance levels in the fault pattern recognition target and the fault severity recognition target.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
赵坤煊完成签到 ,获得积分10
刚刚
MM完成签到,获得积分10
5秒前
fls221完成签到,获得积分10
13秒前
tyt完成签到 ,获得积分10
14秒前
畅快山兰完成签到 ,获得积分10
17秒前
17秒前
小飞飞完成签到,获得积分10
20秒前
shadow完成签到,获得积分10
22秒前
苯二氮卓完成签到,获得积分10
22秒前
小飞飞发布了新的文献求助10
23秒前
顺心的猪完成签到 ,获得积分10
25秒前
鞘皮完成签到,获得积分10
32秒前
玉鱼儿完成签到 ,获得积分10
33秒前
江月年完成签到 ,获得积分10
34秒前
Jeremy637完成签到 ,获得积分10
38秒前
月儿完成签到 ,获得积分10
44秒前
前程似锦完成签到 ,获得积分10
45秒前
小丽完成签到,获得积分10
48秒前
wonwojo完成签到 ,获得积分10
50秒前
WXM完成签到 ,获得积分0
55秒前
Linus完成签到 ,获得积分10
57秒前
xcwy完成签到,获得积分10
1分钟前
清风完成签到 ,获得积分10
1分钟前
-Me完成签到 ,获得积分10
1分钟前
领导范儿应助颜沛文采纳,获得10
1分钟前
ROMANTIC完成签到 ,获得积分10
1分钟前
1分钟前
娟娟完成签到 ,获得积分10
1分钟前
富贵儿完成签到 ,获得积分10
1分钟前
颜沛文发布了新的文献求助10
1分钟前
健脊护柱完成签到 ,获得积分10
1分钟前
张小度ever完成签到 ,获得积分10
1分钟前
爆米花发布了新的文献求助200
1分钟前
颜沛文完成签到,获得积分10
1分钟前
花花猪1989完成签到 ,获得积分10
1分钟前
一三二五七完成签到 ,获得积分0
1分钟前
HY完成签到,获得积分10
1分钟前
荔枝完成签到 ,获得积分10
1分钟前
sunnyqqz完成签到,获得积分10
1分钟前
耍酷的指甲油完成签到,获得积分10
1分钟前
高分求助中
Production Logging: Theoretical and Interpretive Elements 2700
Neuromuscular and Electrodiagnostic Medicine Board Review 1000
こんなに痛いのにどうして「なんでもない」と医者にいわれてしまうのでしょうか 510
The First Nuclear Era: The Life and Times of a Technological Fixer 500
岡本唐貴自伝的回想画集 500
Distinct Aggregation Behaviors and Rheological Responses of Two Terminally Functionalized Polyisoprenes with Different Quadruple Hydrogen Bonding Motifs 450
Ciprofol versus propofol for adult sedation in gastrointestinal endoscopic procedures: a systematic review and meta-analysis 400
热门求助领域 (近24小时)
化学 材料科学 医学 生物 工程类 有机化学 物理 生物化学 纳米技术 计算机科学 化学工程 内科学 复合材料 物理化学 电极 遗传学 量子力学 基因 冶金 催化作用
热门帖子
关注 科研通微信公众号,转发送积分 3671358
求助须知:如何正确求助?哪些是违规求助? 3228175
关于积分的说明 9778776
捐赠科研通 2938469
什么是DOI,文献DOI怎么找? 1610028
邀请新用户注册赠送积分活动 760503
科研通“疑难数据库(出版商)”最低求助积分说明 736020