基于证据深度神经网络的滚动轴承智能故障诊断
摘要
基于深度学习的滚动轴承智能故障诊断方法，虽然能够获得较高高的诊断精度，却很难对其分类结果的确定程度进行评估。针对这个缺陷，提出了一种基于证据深度神经网络的滚动轴承故障诊断方法。该方法首先使用1维卷积神经网络结构，直接从滚动轴承振动信号中提取故障特征。然后结合主观逻辑理论以及证据理论，将网络提取的滚动轴承故障特征转化为主观观点的证据。最后，采用Dirichlet分布作为激活函数，并输出故障诊断结果以及相应的不确定度。实验结果表明，本文提出的方法在获得较高的精度的同时，能够给出分类的不确定度，输出的分类不确定度具有实际的物理意义。
引用本文（GB/T 7714）
杨伟新, 王祁波, 苏楠阳, 等. 基于证据深度神经网络的滚动轴承智能故障诊断[J]. 工程与技术创新, 2025.
引文网络
本站仅收录题录与摘要供学习参考，全文版权归属出版方；如有侵权请联系我们删除。