期刊文章详细信息
基于卷积神经网络的机械故障诊断技术综述
Review of mechanical fault diagnosis technology based on convolutional neural network
文献类型:期刊文章
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
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]
参考文献:
正在载入数据...
二级参考文献:
正在载入数据...
耦合文献:
正在载入数据...
引证文献:
正在载入数据...
二级引证文献:
正在载入数据...
同被引文献:
正在载入数据...