现有的轴承故障诊断方法依赖于人工提取特征,缺乏自适应性。卷积神经网络具有良好的特征自提取能力,可以自适应提取相关特征。但是采用传统卷积神经网络结构存在特征信息丢失的问题,残差结构可以防止特征信息的丢失,为此提出一种基于一维残差网络的轴承故障诊断方法。首先对原始振动信号进行小波阈值降噪处理,以减少噪声的干扰作用;然后将降噪信号作为一维残差网络的输入,自适应提取故障特征;最后通过Softmax分类器输出故障类别。实验结果表明,该方法与传统卷积神经网络方法相比,准确率更高。

针对玻璃管及其制品对外径及壁厚的精确要求,基于激光检测技术,研制能对其进行无损检测并实现多档分选的设备,精度高,速度快,分选准确。