%0 Journal Article
%A 杨平
%A 苏燕辰
%A 张振
%T 基于卷积胶囊网络的滚动轴承故障诊断研究
%D 2020
%R 
%J 振动与冲击
%P 55-62
%V 39
%N 4
%X 针对目前许多基于深度学习的滚动轴承故障诊断方法在检测含有噪声的信号以及载荷变化时，其诊断性能会有所下降的问题。提出一种基于卷积胶囊网络的故障诊断方法；该模型使用两个卷积层的卷积网络直接对原始的一维时域信号进行特征提取，并将其送入胶囊网络，输出每种故障类型的诊断结果；为了验证该模型的诊断性能，选用凯斯西储大学轴承数据库来进行验证，并与常见的卷积神经网络和深度神经网络进行对比。试验结果表明，相比于其它深度学习方法，该方法在载荷变化以及信号受到严重噪声污染时，依然拥有良好的诊断性能。
%U https://jvs.sjtu.edu.cn/CN/abstract/article_9243.shtml