MR-FuSN:用于轴承故障诊断的多分辨率选择性融合方法
Lin Sha1, Shikai Tang1, Min Wang2
1School of Control Science and Engineering, Tiangong University, No. 399 Binshui West Road, Tianjin 300387, China.
Sensors (Basel, Switzerland)
|February 26, 2025
概括
本研究介绍了多分辨率融合选择网络 (MR-FuSN),用于稳固的轴承故障诊断. 这种新型网络在杂的工业环境中表现出色,即使在信号干扰严重的情况下,也能达到高诊断准确度.
科学领域:
- 机械工程 机械工程
- 信号处理 信号处理
- 人工智能的人工智能
背景情况:
- 振动信号对于轴承故障诊断至关重要.
- 工业环境带来噪音,挑战了准确的故障检测.
- 现有的方法与噪声干扰作斗争,影响诊断可靠性.
研究的目的:
- 为增强轴承故障诊断提出一个新的网络架构.
- 为了提高对振动信号的环境噪声的强度.
- 在具有挑战性的工业条件下实现高诊断精度.
主要方法:
- 开发了多分辨率融合选择网络 (MR-FuSN).
- 采用多分辨率特征提取来捕获不同的信号特征.
- 集成了一个适应性内核卷积策略,以提高噪声弹性.
主要成果:
- 在杂的环境中,MR-FuSN表现出色 (-5dB到10dB SNR).
- 在0dB的信号噪声比条件下,实现了99.97%的诊断准确度.
- 成功提取了域不变特征,提高了诊断的稳定性.
结论:
- 在工业环境中,MR-FuSN为轴承故障诊断提供了强大的解决方案.
- 拟议的网络架构有效地减轻了噪音干扰.
- 这项研究为实际的故障诊断应用提供了宝贵的技术支持.
更多相关视频
06:45Design and Application of a Fault Detection Method Based on Adaptive Filters and Rotational Speed Estimation for an Electro-Hydrostatic Actuator
Published on: October 28, 2022
1.5K
13:44Detection of Architectural Distortion in Prior Mammograms via Analysis of Oriented Patterns
Published on: August 30, 2013
42.7K
