作者:
基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
深度学习在特征提取与模型拟介方而显示了其潜力和优势.对于特征提取精度要求高的故障诊断领域,引入深度学习具有重要的意义.特征提取的精度决定着故障状态辨识的结果.许多学者将深度学习应用在故障诊断领域,并取得不少的成果.本文介绍了深度学习在故障诊断中的研究现状,总结了深度学习在故障诊断中应用的研究现状和技术难点,最后对深度学习在故障诊断中的研究进行了展望.
推荐文章
基于深度学习的旋转机械故障诊断研究综述
旋转机械
深度学习
特征提取
故障诊断
基于深度学习的集成化装备故障诊断方法综述
深度学习
集成化装备
故障诊断
方法综述
全矢深度学习在轴承故障诊断中的应用
智能故障诊断
深度学习
全矢谱
稀疏自动编码器
深度学习技术及其故障诊断应用分析与展望
大数据
机械设备
深度学习
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 深度学习在故障诊断中的研究综述
来源期刊 新型工业化 学科
关键词 深度学习 故障诊断 特征提取 状态辨识 综述
年,卷(期) 2017,(4) 所属期刊栏目 设计与研究
研究方向 页码范围 45-48,61
页数 5页 分类号
字数 2230字 语种 中文
DOI 10.19335/j.cnki.2095-6649.2017.04.008
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 刘林凡 8 47 3.0 6.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (60)
共引文献  (77)
参考文献  (19)
节点文献
引证文献  (27)
同被引文献  (67)
二级引证文献  (31)
1979(1)
  • 参考文献(0)
  • 二级参考文献(1)
1986(1)
  • 参考文献(0)
  • 二级参考文献(1)
1993(1)
  • 参考文献(0)
  • 二级参考文献(1)
1995(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(2)
  • 参考文献(0)
  • 二级参考文献(2)
2001(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2004(2)
  • 参考文献(0)
  • 二级参考文献(2)
2005(1)
  • 参考文献(0)
  • 二级参考文献(1)
2006(7)
  • 参考文献(0)
  • 二级参考文献(7)
2008(1)
  • 参考文献(0)
  • 二级参考文献(1)
2009(8)
  • 参考文献(0)
  • 二级参考文献(8)
2010(2)
  • 参考文献(0)
  • 二级参考文献(2)
2011(3)
  • 参考文献(0)
  • 二级参考文献(3)
2012(6)
  • 参考文献(0)
  • 二级参考文献(6)
2013(14)
  • 参考文献(0)
  • 二级参考文献(14)
2014(3)
  • 参考文献(0)
  • 二级参考文献(3)
2015(9)
  • 参考文献(7)
  • 二级参考文献(2)
2016(9)
  • 参考文献(8)
  • 二级参考文献(1)
2017(4)
  • 参考文献(4)
  • 二级参考文献(0)
2017(6)
  • 参考文献(4)
  • 二级参考文献(0)
  • 引证文献(2)
  • 二级引证文献(0)
2017(2)
  • 引证文献(2)
  • 二级引证文献(0)
2018(14)
  • 引证文献(9)
  • 二级引证文献(5)
2019(29)
  • 引证文献(16)
  • 二级引证文献(13)
2020(13)
  • 引证文献(0)
  • 二级引证文献(13)
研究主题发展历程
节点文献
深度学习
故障诊断
特征提取
状态辨识
综述
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
新型工业化
月刊
2095-6649
11-5947/TB
16开
北京石景山区鲁谷路35号1106室
2011
chi
出版文献量(篇)
2442
总下载数(次)
8
总被引数(次)
5690
论文1v1指导