基于小樣本下改進(jìn)ChaosNet的軸承故障診斷
組合機(jī)床與自動化加工技術(shù)
頁數(shù): 5 2024-02-20
摘要: 為解決在訓(xùn)練樣本不足條件下,軸承故障特征提取困難的問題,提出一種基于改進(jìn)神經(jīng)混沌學(xué)習(xí)(neurochaos learning+AdaBoost, NL-AdaBoost)的軸承故障診斷新方法。首先,對時域振動信號進(jìn)行快速傅里葉變換(fast fourier transform, FFT)提取頻域特征,拼接時頻域信號獲得一維特征樣本;其次,輸入信號產(chǎn)生對混沌GLS神經(jīng)元的激勵,形... (共5頁)