| 注册
首页|期刊导航|中国机械工程|数字孪生与深度学习融合驱动的采煤机健康状态预测

数字孪生与深度学习融合驱动的采煤机健康状态预测

丁华 杨亮亮 杨兆建 王义亮

中国机械工程2020,Vol.31Issue(7):815-823,9.
中国机械工程2020,Vol.31Issue(7):815-823,9.DOI:10.3969/j.issn.1004-132X.2020.07.007

数字孪生与深度学习融合驱动的采煤机健康状态预测

Health Prediction of Shearers Driven by Digital Twin and Deep Learning

丁华 1杨亮亮 2杨兆建 1王义亮2

作者信息

  • 1. 太原理工大学机械与运载工程学院,太原,030024
  • 2. 煤矿综采装备山西省重点实验室,太原,030024
  • 折叠

摘要

关键词

数字孪生/深度学习/采煤机/健康预测/剩余寿命预测

分类

机械制造

引用本文复制引用

丁华,杨亮亮,杨兆建,王义亮..数字孪生与深度学习融合驱动的采煤机健康状态预测[J].中国机械工程,2020,31(7):815-823,9.

基金项目

山西省科技基础条件平台项目(201805D141002) (201805D141002)

山西省重点研发项目(201903D121064) (201903D121064)

中国机械工程

OA北大核心CSCDCSTPCD

1004-132X

访问量0
|
下载量0
段落导航相关论文