基于LSTM与迁移学习的滚动轴承故障诊断OA北大核心CSTPCD
Fault Diagnosis for Rolling Bearing Based on LSTM and Transfer Learning
目前以数据驱动为基础的深度学习故障诊断方法已经得到了广泛的研究,然而基于深度学习的故障诊断普遍存在需要海量训练数据的不足.为有效克服上述问题,提出了一种基于长短期记忆网络(long short-term memory,LSTM)与迁移学习结合的滚动轴承智能故障诊断方法.首先使用心电图片段数据对网络中的参数进行训练,然后将正常状态下和各类故障状态下的滚动轴承曲线作为网络输入训练网络最后3个全连接层,最后得到整个训练网络.通过数据验证,证明所采用的方…查看全部>>
修嘉芸;谷玉海;任斌;王红军
北京信息科技大学 现代测控技术教育部重点实验室,北京 100192北京信息科技大学 现代测控技术教育部重点实验室,北京 100192北京航天长征飞行器研究所,北京 100076北京信息科技大学 现代测控技术教育部重点实验室,北京 100192
计算机与自动化
长短期记忆网络迁移学习滚动轴承故障诊断
《重庆理工大学学报（自然科学版）》 2021 (1)
燃气轮机转子系统健康状态多源信息融合与智能预测方法研究
83-88,6
国家自然科学基金项目(51975058)促进高校内涵发展——学科建设专项资助项目(5112011015)
评论