基于深度学习的故障诊断与预测方法综述

下载PDF

导出

摘要在智能化生产的大环境中,机器装备越来越庞大、数量庞大、来源丰富、维度较高;无组织的工业资料增加了对系统进行监控的困难,而对其进行故障的检测和预报就显得尤为必要。由于深度学习具有较强的自学习、模式识别等功能,因此在工业装备的故障诊断和预报中具有重要意义。本文介绍了深度置信网络、卷积神经网络、自动编码等四种典型的深度学习模式;本文对其网络架构及建模思路进行了较为详尽的描述,并对其在故障诊断和预报方面的应用进行了综述,并对其优点及存在的问题进行了探讨,并提出了今后的发展趋势。

作者李成林

机构地区湖北省机电研究设计院股份公司

出处《中文科技期刊数据库（引文版）工程技术》 2022年第11期154-157,共4页

关键词深度学习故障诊断与预测方法

分类号 TM7 [电气工程—电力系统及自动化]

引文网络
相关文献

1车辆液压助力转向油管接头没有正确安装——南京汽车等10家汽车生产者召回部分商务车、救护车、旅居车[J].中国品牌与防伪,2022(11):71-71.
2陈铖,鲍志蕾,李钢.胶体体系稳定性测量方法综述[J].景德镇学院学报,2022,37(6):43-45.
3李江.石油及石油产品硫含量分析方法综述[J].实验与分析,2022(1):49-50.
4李佳俊.面向对象的精细化建模分析[J].测绘通报,2022(12):1-6. 被引量：2
5于明,钟元想,王岩.人脸微表情分析方法综述[J].计算机工程,2023,49(2):1-14. 被引量：9
6郭楠,李婧源,任曦.基于深度学习的刚体位姿估计方法综述[J].计算机科学,2023,50(2):178-189. 被引量：4
7李霖,王红梅,李辰凯.红外与可见光图像深度学习融合方法综述[J].红外与激光工程,2022,51(12):329-348. 被引量：11
8李伟,邹本健,杨宁,张法业,吕珊珊,姜明顺,贾磊.基于深度置信网络铝合金加筋板冲击损伤识别[J].振动．测试与诊断,2023,43(1):88-95. 被引量：1
9朱良玉,崔倩文,陶林,胡超凡,何水龙.滚动轴承故障定量诊断方法综述[J].轴承,2023(2):1-11. 被引量：5
10刘德钊,朱怀群.基于嗅觉的臭气浓度测定方法综述[J].环境化学,2023,42(1):222-230. 被引量：1

中文科技期刊数据库（引文版）工程技术

2022年第11期

浏览历史

内容加载中请稍等...

基于深度学习的故障诊断与预测方法综述

相关作者

相关机构

相关主题

浏览历史