卷积神经网络在机械设备故障诊断领域应用与挑战

论文摘要

现代机械设备功能及结构日益复杂,其故障呈现出新的特点,使得针对现代机械装备的故障诊断方法遇到了难以克服的技术难题与瓶颈。近年来,卷积神经网络(convolution neural network,CNN)凭借其强大的特征提取与模式识别能力受到学术界和工业界的广泛关注,将CNN应用于机械设备故障诊断的研究已出现端倪。为此,首先介绍CNN实现机械设备故障诊断的原理;然后对CNN实现故障诊断的主要思想和建模方法进行描述;最后总结和讨论了机械设备故障的特点,并讨论CNN在实现对机械装备故障诊断方面所面临的挑战,展望值得继续研究的方向。

论文目录

• 1 基于卷积神经网络的故障诊断
•   1.1 卷积神经网络故障诊断原理
•   1.2 卷积神经网络故障诊断研究现状
• 2 卷积神经网络机械故障诊断的难点与挑战
•   2.1 现代机械装备的故障特性
•   2.2 基于卷积神经网路故障诊断的挑战及展望
• 3 结语

文章来源

类型: 期刊论文

作者: 黄鑫,陈仁祥,黄钰

关键词: 卷积神经网络,机械设备,故障诊断,特征提取与模式识别

来源: 制造技术与机床 2019年01期

年度: 2019

分类: 工程科技Ⅱ辑,信息科技

专业: 机械工业,自动化技术

单位: 重庆交通大学机电与车辆工程学院,重庆大学机械传动国家重点实验室,西华大学汽车与交通工程学院

基金: 重庆市研究生教育创新基金项目资助(CYS18224)

分类号: TP183;TH17

DOI: 10.19287/j.cnki.1005-2402.2019.01.018

页码: 96-100

总页数: 5

文件大小: 1588K

下载量: 529