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(dòng)化加工技術(shù)
頁(yè)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(wèn)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(duì)時(shí)域振動(dòng)信號(hào)進(jìn)行快速傅里葉變換(fast fourier transform, FFT)提取頻域特征，拼接時(shí)頻域信號(hào)獲得一維特征樣本；其次，輸入信號(hào)產(chǎn)生對(duì)混沌GLS神經(jīng)元的激勵(lì)，形...
APP 