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:
滚动轴承的早期故障特征微弱,针对该问题,提出了一种信号包络时频变换卷积神经网络(CNN)故障诊断方法,以实现滚动轴承早期故障诊断.实验结果表明,所提方法不仅减少了训练数据,还具有较高的准确率和稳定性.
推荐文章
基于MWT和CNN的滚动轴承智能复合故障诊断方法
滚动轴承
智能复合故障诊断
多小波变换
卷积神经网络
齿轮-滚动轴承智能故障诊断测试系统研究
齿轮-滚动轴承
故障诊断
小波分析
模糊聚类
基于小波变换和ICA的滚动轴承早期故障诊断
小波变换
独立分量分析
单通道信号
等频率间隔
基于MED和变分模态分解的滚动轴承早期故障诊断方法
最小熵解卷积
变分模态分解
滚动轴承
早期故障诊断
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 滚动轴承早期故障智能诊断方法
来源期刊 煤矿机械 学科 工学
关键词 滚动轴承 早期故障诊断 包络谱时频图 CNN
年,卷(期) 2022,(1) 所属期刊栏目 故障·诊断|Malfunction Imestigation
研究方向 页码范围 167-169
页数 3页 分类号 TH133.33|TP18
字数 语种 中文
DOI 10.13436/j.mkjx.202201054
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (0)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2022(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
滚动轴承
早期故障诊断
包络谱时频图
CNN
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