亲爱的研友该休息了!由于当前在线用户较少,发布求助请尽量完整的填写文献信息,科研通机器人24小时在线,伴您度过漫漫科研夜!身体可是革命的本钱,早点休息,好梦!

An improved two-stream compression convolution network for rolling bearing fault diagnosis

计算机科学 稳健性(进化) 卷积(计算机科学) 卷积神经网络 方位(导航) 断层(地质) 模式识别(心理学) 特征提取 算法 人工智能 人工神经网络 生物化学 化学 地震学 基因 地质学
作者
Hailong Jin,Wuxu Ma,Zong Meng,Dengyun Sun,Wei Cao,Fengjie Fan
出处
期刊:Measurement Science and Technology [IOP Publishing]
卷期号:33 (12): 125110-125110 被引量:6
标识
DOI:10.1088/1361-6501/ac900c
摘要

Abstract The timely and accurate fault diagnosis of rolling bearings plays a vital role in ensuring the safe and reliable operation of many complex mechanical systems. However, most of the existing rolling bearing fault diagnosis models have complex structures, need a large number of samples, and cannot fully use the information contained in the signal. Based on these problems, an intelligent method for detecting and identifying rolling bearing faults is proposed based on an improved two-stream compression convolution network. The proposed method has a compact structure and powerful feature extraction capability, which consists of two modules. One adopts depthwise separable convolution and squeeze and excitation network, named DSCSE, which can fully extract the spatial features and greatly reduce the number of parameters. The other utilizes a one-dimensional convolutional neural network and spatial dropout mechanism, named 1DCNNSD, which can efficiently extract the temporal features and reduce model complexity. Meanwhile, to reduce the loss of information contained in the signal when the linear rectification unit is under negative input, the improved ReLU is designed. Numerous experiments demonstrate that the novel approach has higher accuracy, better generalization performance, and robustness than other methods under small samples.

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

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
情怀应助自由慕青采纳,获得30
刚刚
Nan发布了新的文献求助30
2秒前
momo发布了新的文献求助10
5秒前
ding应助纳米大亨采纳,获得10
5秒前
5秒前
gnil发布了新的文献求助10
11秒前
M3L2发布了新的文献求助10
11秒前
13秒前
康谨完成签到 ,获得积分10
14秒前
WWXWWX发布了新的文献求助10
19秒前
傲娇黄豆完成签到 ,获得积分10
25秒前
顾矜应助shandi采纳,获得10
30秒前
weiyichen完成签到,获得积分10
34秒前
醉熏的灵完成签到 ,获得积分10
35秒前
李李完成签到 ,获得积分20
40秒前
NiceSunnyDay完成签到 ,获得积分10
43秒前
orixero应助研友_LkKlmL采纳,获得20
45秒前
53秒前
自由慕青完成签到,获得积分20
57秒前
聪明的芳芳完成签到 ,获得积分10
58秒前
59秒前
毒蝎King完成签到 ,获得积分10
59秒前
开朗世立完成签到,获得积分20
1分钟前
1分钟前
自由慕青发布了新的文献求助30
1分钟前
1分钟前
bkagyin应助wangdong采纳,获得10
1分钟前
激昂的冬日完成签到,获得积分10
1分钟前
小马甲应助阳光万声采纳,获得10
1分钟前
marco完成签到 ,获得积分10
1分钟前
小蘑菇应助虚心碧采纳,获得20
1分钟前
1分钟前
chen应助Nan采纳,获得10
1分钟前
shuaiBsen完成签到,获得积分10
1分钟前
1分钟前
景穆发布了新的文献求助10
1分钟前
1分钟前
学术巨婴完成签到,获得积分10
1分钟前
wangdong发布了新的文献求助10
1分钟前
老宇126完成签到,获得积分10
1分钟前
高分求助中
Production Logging: Theoretical and Interpretive Elements 2000
Very-high-order BVD Schemes Using β-variable THINC Method 1200
BIOLOGY OF NON-CHORDATES 1000
进口的时尚——14世纪东方丝绸与意大利艺术 Imported Fashion:Oriental Silks and Italian Arts in the 14th Century 800
Autoregulatory progressive resistance exercise: linear versus a velocity-based flexible model 550
The Collected Works of Jeremy Bentham: Rights, Representation, and Reform: Nonsense upon Stilts and Other Writings on the French Revolution 320
Generative AI in Higher Education 300
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 物理化学 催化作用 细胞生物学 免疫学 冶金
热门帖子
关注 科研通微信公众号,转发送积分 3356802
求助须知:如何正确求助?哪些是违规求助? 2980374
关于积分的说明 8694214
捐赠科研通 2662053
什么是DOI,文献DOI怎么找? 1457536
科研通“疑难数据库(出版商)”最低求助积分说明 674806
邀请新用户注册赠送积分活动 665723