融合多小波分解的深度卷积神经网络轴承故障诊断方法

打开文本图片集

摘要：针对卷积神经网络及其与信号降噪预处理集成方法面临高噪声环境和低质量数据挑战时难以有效地提取信号有用特征的问题，提出了一种融合Geronimo-Hardin-Massopust多小波分解的深度卷积神经网络模型（GHMMD-DCNN）。该模型思想是将多小波包分解与卷积神经网络深度融合，即设计多个一级多小波分解层以提取信号的低频分量和高频分量，再将多个一级多小波分解层与卷积层交替联接，使模型能够多尺度地提取并学习信号有用的时频域信息，信号分解和特征学习交替执行，进而实现强噪声鲁棒特征提取。（剩余16530字）