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:
随着现代工业朝大型化复杂化的方向发展,对机械系统进行智能故障诊断的技术日益走进人们的视野中.本文首先对深度学习的发展进行了简介,列举了智能故障诊断相比传统方法的优势,其次着重介绍了深度学习领域中几种常见模型的结构,包括深度信念网络,深度卷积神经网络和深度自编码网络,以及这些模型目前在国内外的一些应用与发展,最后讨论了这种智能诊断方法目前存在的一些问题以及深度学习领域未来的发展趋势.
推荐文章
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
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
基于知识的故障诊断方法综述
故障诊断
专家系统
模糊诊断
故障树
神经网络
数据融合
基于改进深度置信网络的故障诊断方法
故障诊断
深度置信网络
特征提取
自适应谐振
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 基于深度学习的故障诊断方法研究综述
来源期刊 电子测试 学科
关键词 深度学习 故障诊断 特征提取 诊断准确度
年,卷(期) 2020,(18) 所属期刊栏目 网络与信息工程
研究方向 页码范围 43-47,51
页数 6页 分类号
字数 语种 中文
DOI
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 李舜酩 204 2555 26.0 45.0
2 邓婕 1 0 0.0 0.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (583)
共引文献  (835)
参考文献  (38)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1943(2)
  • 参考文献(0)
  • 二级参考文献(2)
1951(2)
  • 参考文献(0)
  • 二级参考文献(2)
1958(2)
  • 参考文献(0)
  • 二级参考文献(2)
1962(2)
  • 参考文献(0)
  • 二级参考文献(2)
1975(1)
  • 参考文献(0)
  • 二级参考文献(1)
1980(2)
  • 参考文献(0)
  • 二级参考文献(2)
1986(3)
  • 参考文献(0)
  • 二级参考文献(3)
1988(1)
  • 参考文献(0)
  • 二级参考文献(1)
1989(5)
  • 参考文献(0)
  • 二级参考文献(5)
1995(1)
  • 参考文献(0)
  • 二级参考文献(1)
1996(2)
  • 参考文献(0)
  • 二级参考文献(2)
1997(3)
  • 参考文献(0)
  • 二级参考文献(3)
1998(7)
  • 参考文献(0)
  • 二级参考文献(7)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(1)
  • 参考文献(1)
  • 二级参考文献(0)
2001(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(3)
  • 参考文献(0)
  • 二级参考文献(3)
2003(3)
  • 参考文献(0)
  • 二级参考文献(3)
2004(5)
  • 参考文献(0)
  • 二级参考文献(5)
2005(10)
  • 参考文献(0)
  • 二级参考文献(10)
2006(25)
  • 参考文献(1)
  • 二级参考文献(24)
2007(8)
  • 参考文献(0)
  • 二级参考文献(8)
2008(10)
  • 参考文献(0)
  • 二级参考文献(10)
2009(19)
  • 参考文献(0)
  • 二级参考文献(19)
2010(14)
  • 参考文献(0)
  • 二级参考文献(14)
2011(19)
  • 参考文献(0)
  • 二级参考文献(19)
2012(29)
  • 参考文献(0)
  • 二级参考文献(29)
2013(44)
  • 参考文献(0)
  • 二级参考文献(44)
2014(59)
  • 参考文献(0)
  • 二级参考文献(59)
2015(79)
  • 参考文献(3)
  • 二级参考文献(76)
2016(115)
  • 参考文献(5)
  • 二级参考文献(110)
2017(53)
  • 参考文献(3)
  • 二级参考文献(50)
2018(68)
  • 参考文献(13)
  • 二级参考文献(55)
2019(21)
  • 参考文献(11)
  • 二级参考文献(10)
2020(1)
  • 参考文献(1)
  • 二级参考文献(0)
2020(1)
  • 参考文献(1)
  • 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
深度学习
故障诊断
特征提取
诊断准确度
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
电子测试
半月刊
1000-8519
11-3927/TN
大16开
北京市100098-002信箱
82-870
1994
chi
出版文献量(篇)
19588
总下载数(次)
63
论文1v1指导