PulseAugur
实时 10:14:44
English(EN) A Time-Frequency Dual-Domain Multi-Scale Convolutional Neural Network for Bearing Fault Diagnosis under Strong Noise

新型CNN提升了在噪声条件下轴承故障诊断能力

研究人员开发了一种新颖的卷积神经网络,用于轴承故障诊断,在噪声环境下尤其有效。该网络采用双域方法,结合了时域和频域分支。时域分支捕捉多尺度脉冲特征,而频域分支利用快速傅里叶变换提取频谱信息。在CWRU轴承数据集上的实验表明,尤其是在强噪声条件下,准确性显著提高,优于现有方法。 AI

影响 这项研究为工业机械的故障诊断提供了一种更鲁棒的方法,有望提高可靠性并降低维护成本。

排序理由 该条目是一篇学术论文,详细介绍了一种用于特定机器学习任务的新方法。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新型CNN提升了在噪声条件下轴承故障诊断能力

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Yanxi Ding, Tingyue Jia ·

    强噪声下轴承故障诊断的时频双域多尺度卷积神经网络

    arXiv:2608.09174v1 Announce Type: new Abstract: To address the degradation of bearing fault diagnosis accuracy under strong noise, this paper proposes a time-frequency dual-domain multi-scale convolutional neural network. The time-domain branch employs three parallel convolutiona…