期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
深度学习在轴承故障诊断中的应用
被引量:
1
下载PDF
职称材料
导出
摘要
深度学习是机器学习的一个领域。目前,已成为一种有前途的智能轴承故障诊断工具。本研究对深度学习在轴承故障诊断方面的应用进行系统综述。简要介绍了三种流行的轴承故障诊断深度学习算法:自动编码器、受限玻尔兹曼机和卷积神经网络,并讨论了该研究领域的进一步应用和挑战。
作者
刘冬冬
机构地区
安徽恒源煤电股份有限公司机械总厂
出处
《科技风》
2022年第9期91-93,共3页
关键词
深度学习
轴承故障诊断
自动编码器
受限玻尔兹曼机
卷积神经网络
分类号
TP3 [自动化与计算机技术—计算机科学与技术]
引文网络
相关文献
节点文献
二级参考文献
22
参考文献
3
共引文献
81
同被引文献
10
引证文献
1
二级引证文献
6
参考文献
3
1
李春林,熊建斌,苏乃权,张清华,梁琼,叶宝玉.
深度学习在故障诊断中的应用综述[J]
.机床与液压,2020,48(13):174-184.
被引量:22
2
熊景鸣,潘林,朱昇,孟宗.
DBN与PSO-SVM的滚动轴承故障诊断[J]
.机械科学与技术,2019,38(11):1726-1731.
被引量:18
3
李益兵,王磊,江丽.
基于PSO改进深度置信网络的滚动轴承故障诊断[J]
.振动与冲击,2020,39(5):89-96.
被引量:44
二级参考文献
22
1
李伟.
复杂系统的智能故障诊断技术现状及其发展趋势[J]
.计算机仿真,2004,21(10):4-7.
被引量:32
2
汤宝平,习建民,李锋.
基于Elman神经网络的旋转机械故障诊断[J]
.计算机集成制造系统,2010,16(10):2148-2152.
被引量:34
3
李晗,萧德云.
基于数据驱动的故障诊断方法综述[J]
.控制与决策,2011,26(1):1-9.
被引量:262
4
李丹峰,郭雄伟.
基于双谱和PSO-SVM的滚动轴承故障诊断[J]
.贵州大学学报(自然科学版),2011,28(4):85-89.
被引量:3
5
王晓霞,马良玉,王兵树,王涛.
进化Elman神经网络在实时数据预测中的应用[J]
.电力自动化设备,2011,31(12):77-81.
被引量:23
6
刘建伟,刘媛,罗雄麟.
深度学习研究进展[J]
.计算机应用研究,2014,31(7):1921-1930.
被引量:291
7
李艳峰,王新晴,张梅军,朱会杰.
基于奇异值分解和深度信度网络多分类器的滚动轴承故障诊断方法[J]
.上海交通大学学报,2015,49(5):681-686.
被引量:25
8
雷亚国,贾峰,周昕,林京.
基于深度学习理论的机械装备大数据健康监测方法[J]
.机械工程学报,2015,51(21):49-56.
被引量:342
9
张可,周东华,柴毅.
复合故障诊断技术综述[J]
.控制理论与应用,2015,32(9):1143-1157.
被引量:79
10
单外平,曾雪琼.
基于深度信念网络的信号重构与轴承故障识别[J]
.电子设计工程,2016,24(4):67-71.
被引量:35
共引文献
81
1
马垠飞,王力.
融合D-S证据理论的DBN电路故障诊断算法[J]
.辽宁工程技术大学学报(自然科学版),2021,40(5):448-453.
被引量:3
2
李旭东,周婉,赵志高,廖溢文,杨建东,杨威嘉.
基于EEMD和IGSA-SOM神经网络的滚动轴承故障诊断[J]
.水利水电快报,2020,41(5):46-52.
被引量:4
3
沈涛,李舜酩,辛玉.
基于深度学习的旋转机械故障诊断研究综述[J]
.计算机测量与控制,2020,28(9):1-8.
被引量:21
4
李少波,李传江,胡建军,张安思,杨静.
基于深度置信网络的机械设备故障诊断研究综述[J]
.现代制造工程,2020(10):156-162.
被引量:9
5
袁源,庞荣,代东林,李响,韩坤林,许培振.
基于深度学习的低压配电变压器运行状态评估研究[J]
.公路交通技术,2020,36(6):114-119.
被引量:1
6
崔建国,李勇,崔霄,王景霖,蒋丽英,于明月.
一种改进的DBN航空发动机滑油系统故障诊断方法[J]
.沈阳航空航天大学学报,2020,37(6):49-54.
被引量:4
7
倪平,闻新.
基于CNN的火箭姿态控制执行器故障诊断演示平台设计[J]
.现代制造技术与装备,2020,56(12):8-11.
被引量:1
8
马愈昭,王瑞松,熊兴隆.
基于BLCD分解与ACO-DBN网络的光纤振动信号识别[J]
.光子学报,2021,50(2):44-56.
被引量:9
9
王新颖,赵斌,张瑞程,黄旭安,陈海群.
基于IPSO-DBN的管道故障诊断方法[J]
.消防科学与技术,2021,40(2):263-267.
被引量:5
10
苏华权,廖鹏,周昉昉,易仕敏,杨秋勇.
基于边缘计算的电网边缘侧设备缺陷智能识别模型研究[J]
.电力信息与通信技术,2021,19(4):31-37.
被引量:12
同被引文献
10
1
李雪松,马宏伟,林逸洲.
基于卷积神经网络的结构损伤识别[J]
.振动与冲击,2019,38(1):159-167.
被引量:48
2
孙利民,尚志强,夏烨.
大数据背景下的桥梁结构健康监测研究现状与展望[J]
.中国公路学报,2019,32(11):1-20.
被引量:146
3
赵一男,公茂盛,杨游.
结构损伤识别方法研究综述[J]
.世界地震工程,2020,36(2):73-84.
被引量:26
4
罗雨舟,向天宇,郝柳青.
卷积神经网络在结构损伤检测中的应用[J]
.土木工程与管理学报,2020,37(3):155-161.
被引量:8
5
骆勇鹏,王林堃,廖飞宇,刘景良.
基于一维卷积神经网络的结构损伤识别[J]
.地震工程与工程振动,2021,41(4):145-156.
被引量:17
6
唐良,边祖光,赵银飞,金婉.
基于深度学习和监测数据的桥梁损伤识别方法研究[J]
.城市道桥与防洪,2022(1):174-180.
被引量:2
7
骆勇鹏,王林堃,郭旭,郑金铃,廖飞宇,刘景良.
利用单传感器数据基于GAF-CNN的结构损伤识别[J]
.振动.测试与诊断,2022,42(1):169-176.
被引量:9
8
张健飞,蔡东成.
基于多尺度卷积神经网络的结构损伤识别研究[J]
.地震工程与工程振动,2022,42(1):132-142.
被引量:13
9
张逸,周莉,陈杰.
基于深度学习的心电图心律失常分类方法[J]
.电子设计工程,2022,30(7):6-9.
被引量:4
10
刘洋,程强,史曜炜,王煜伟,王姗,邓艾东.
基于注意力模块及1D-CNN的滚动轴承故障诊断[J]
.太阳能学报,2022,43(3):462-468.
被引量:21
引证文献
1
1
李子奇,蒋柱虎,王力,张宇星,潘启仁.
基于深度学习的工程结构损伤识别研究进展[J]
.中国安全生产科学技术,2022,18(12):43-48.
被引量:6
二级引证文献
6
1
周澍.
卷积神经网络在结构损伤识别中的应用研究[J]
.黑龙江交通科技,2023,46(10):133-136.
2
张健,郭永刚.
一种新型远程大坝强震智能化监测系统[J]
.水电能源科学,2024,42(4):137-141.
3
凌晓,王昕越,郭凯,孙宝财,程凌宇.
基于UNet模型燃气管道高后果区分割方法研究[J]
.中国安全生产科学技术,2024,20(4):157-162.
被引量:1
4
王二成,肖俊伟,李家豪,吴雪,柴颖珂,李彦苍.
基于Inception-BiLSTM和迁移学习的结构损伤识别[J]
.科学技术与工程,2024,24(18):7776-7784.
5
汪国良.
地下交通枢纽BIM-KNN损伤识别方法研究[J]
.铁道建筑技术,2024(8):5-9.
6
赵平,靳丽艳,刘钰.
基于双重注意力U-Net的砌体结构震害裂缝检测[J]
.长沙理工大学学报(自然科学版),2024,21(5):136-145.
1
元征X-431 PADⅢ实测:別克新英朗更换发动机的在线编程和防盗[J]
.汽车维修与保养,2022(2):43-44.
科技风
2022年 第9期
职称评审材料打包下载
相关作者
内容加载中请稍等...
相关机构
内容加载中请稍等...
相关主题
内容加载中请稍等...
浏览历史
内容加载中请稍等...
;
用户登录
登录
IP登录
使用帮助
返回顶部