文献类型：期刊文章

作　　者：汪祖民[1] 张志豪[1] 秦静[2] 季长清[1,3]

WANG Zumin;ZHANG Zhihao;QIN Jing;JI Changqing(College of Information Engineering,Dalian University,Dalian Liaoning 116622,China;College of Software Engineering,Dalian University,Dalian Liaoning 116622,China;College of Physical Science and Technology,Dalian University,Dalian Liaoning 116622,China)

机构地区：[1]大连大学信息工程学院,辽宁大连116622 [2]大连大学软件工程学院,辽宁大连116622 [3]大连大学物理科学与技术学院,辽宁大连116622

出　　处：《计算机应用》

基　　金：大连市科技创新基金资助项目(2020JJ26SN058)。

年　　份：2022

卷　　号：42

期　　号：4

起止页码：1036-1043

语　　种：中文

收录情况：AJ、BDHX、BDHX2020、CSCD、CSCD_E2021_2022、IC、JST、RCCSE、ZGKJHX、ZMATH、核心刊

摘　　要：针对传统机械故障诊断方法难以解决人工提取不确定性的问题,提出了大量深度学习的特征提取方法,极大地推动了机械故障诊断的发展。作为深度学习的典型代表,卷积神经网络(CNN)在图像分类、目标检测、图像语义分割等领域都取得了重大的发展,在机械故障诊断领域也有大量文献发表。为了进一步了解利用CNN的方法进行机械故障诊断的问题,首先简单介绍了CNN的相关理论,然后从数据输入类型、迁移学习、预测等方面对CNN在机械故障诊断中的应用进行了归纳总结,最后展望了CNN及其在机械故障诊断应用中的发展方向。

关 键 词：卷积神经网络 机械故障诊断 迁移学习  预测  深度学习  

分 类 号：TP306.3] TP277[计算机类]