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:
通过分析轴承运转情况,提出了一维空洞卷积模型用于轴承故障诊断.此模型可以直接以原始的信号数据输入模型,自动完成特征提取和故障诊断以及故障分类.实验结果表明,一维空洞卷积神经网络可以很好地应用到机械故障诊断领域,此模型可以很好地完成对轴承的故障识别与诊断.
推荐文章
基于卷积神经网络的滚动轴承故障诊断方法
深度学习
卷积神经网络
特征自动提取
轴承故障诊断
基于改进深度卷积神经网络的轴承故障诊断
风电机组
轴承
故障诊断
深度卷积神经网络
采用多通道样本和深度卷积神经网络的轴承故障诊断方法
轴承故障诊断
三通道样本
深度卷积神经网络
连续小波变换
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 基于一维空洞卷积的轴承故障诊断
来源期刊 煤矿机械 学科
关键词 一维空洞卷积 故障诊断 故障分类 自动特征提取
年,卷(期) 2020,(12) 所属期刊栏目 故障·诊断|Malfunction Imestigation
研究方向 页码范围 150-153
页数 4页 分类号 TH133.33
字数 语种 中文
DOI 10.13436/j.mkjx.202012050
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (140)
共引文献  (32)
参考文献  (11)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1962(1)
  • 参考文献(0)
  • 二级参考文献(1)
1984(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)
1994(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(2)
  • 参考文献(0)
  • 二级参考文献(2)
2003(2)
  • 参考文献(0)
  • 二级参考文献(2)
2004(1)
  • 参考文献(0)
  • 二级参考文献(1)
2005(1)
  • 参考文献(0)
  • 二级参考文献(1)
2006(3)
  • 参考文献(0)
  • 二级参考文献(3)
2009(2)
  • 参考文献(0)
  • 二级参考文献(2)
2010(5)
  • 参考文献(0)
  • 二级参考文献(5)
2011(6)
  • 参考文献(0)
  • 二级参考文献(6)
2012(10)
  • 参考文献(0)
  • 二级参考文献(10)
2013(3)
  • 参考文献(0)
  • 二级参考文献(3)
2014(5)
  • 参考文献(0)
  • 二级参考文献(5)
2015(18)
  • 参考文献(0)
  • 二级参考文献(18)
2016(26)
  • 参考文献(0)
  • 二级参考文献(26)
2017(24)
  • 参考文献(0)
  • 二级参考文献(24)
2018(25)
  • 参考文献(2)
  • 二级参考文献(23)
2019(6)
  • 参考文献(3)
  • 二级参考文献(3)
2020(5)
  • 参考文献(5)
  • 二级参考文献(0)
2021(1)
  • 参考文献(1)
  • 二级参考文献(0)
2020(5)
  • 参考文献(5)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
一维空洞卷积
故障诊断
故障分类
自动特征提取
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
煤矿机械
月刊
1003-0794
23-1280/TD
大16开
哈尔滨市古香街30号
14-38
1980
chi
出版文献量(篇)
21080
总下载数(次)
49
相关基金
山西省自然科学基金
英文译名:Shanxi Natural Science Foundation
官方网址:http://sxnsfc.sxinfo.gov.cn/sxnsf/index.aspx
项目类型:
学科类型:
论文1v1指导