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:
为了提升乳化液泵故障诊断的准确率,采用深度残差网络诊断乳化液泵故障.首先通过煤矿综采工作面智慧云平台收集乳化液泵正常状态和故障状态下的6种参数,提取一定时间间隔内每种参数的12个特征值,得到6种参数的共计72个时域特征.然后构造训练集和测试集,输入深度残差网络进行训练和验证.实验验证中,将深度残差网络与DNN、CNN和9层CNN进行比较,结果表明诊断准确率达到了99.212%,优于相比较的其他方法.最后通过t-SNE可视化技术对深度残差网络各网络层的输出进行降维,分析二维散点图和故障类别之间的关系.该方法提高了乳化液泵的故障诊断准确率,为乳化液泵的智能故障诊断提供了新思路.
推荐文章
基于电流残差的逆变器故障诊断方法研究
逆变器
故障诊断
电流残差
小波变换
故障信号提取
神经网络
基于声卡的乳化液泵故障诊断系统
乳化液泵
数据采集
声卡
故障诊断
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
使用改进残差神经网络的滚动轴承变工况故障诊断方法
故障诊断
滚动轴承
变工况
残差神经网络
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 基于深度残差网络的乳化液泵故障诊断
来源期刊 煤矿机械 学科
关键词 深度残差网络 乳化液泵 故障诊断 深度学习
年,卷(期) 2021,(7) 所属期刊栏目 故障·诊断|Malfunction Imestigation
研究方向 页码范围 177-180
页数 4页 分类号 TH3
字数 语种 中文
DOI 10.13436/j.mkjx.202107056
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (12)
共引文献  (3)
参考文献  (4)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1996(1)
  • 参考文献(0)
  • 二级参考文献(1)
2001(1)
  • 参考文献(0)
  • 二级参考文献(1)
2011(1)
  • 参考文献(0)
  • 二级参考文献(1)
2013(2)
  • 参考文献(0)
  • 二级参考文献(2)
2014(1)
  • 参考文献(0)
  • 二级参考文献(1)
2015(3)
  • 参考文献(0)
  • 二级参考文献(3)
2017(1)
  • 参考文献(0)
  • 二级参考文献(1)
2018(3)
  • 参考文献(1)
  • 二级参考文献(2)
2019(1)
  • 参考文献(1)
  • 二级参考文献(0)
2020(2)
  • 参考文献(2)
  • 二级参考文献(0)
2021(0)
  • 参考文献(0)
  • 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
深度残差网络
乳化液泵
故障诊断
深度学习
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
总被引数(次)
87205
论文1v1指导