多尺度卷積神經(jīng)網(wǎng)絡(luò)小樣本軸承故障辨識方法

摘要： 針對基于深度學(xué)習(xí)的故障辨識方法工程應(yīng)用準(zhǔn)確率受制于樣本數(shù)量與質(zhì)量的問題，提出一種多尺度卷積神經(jīng)網(wǎng)絡(luò)（novel multi-scale convolutional neural network，簡稱NMS-CNN）故障辨識方法。首先，對滾動軸承的振動信號進行快速傅里葉變換（fast Fourier transform，簡稱FFT）獲取其頻域數(shù)據(jù)；其次，利用多尺度卷積提取頻域數(shù)據(jù)...