基于卷积神经网络的机械故障诊断方法综述
吴定海
任国全
王怀光
张云强
1.陆军工程大学石家庄校区,石家庄0500032.陆军工程大学石家庄校区,石家庄0500033.陆军工程大学石家庄校区,石家庄0500034.陆军工程大学石家庄校区,石家庄050003
摘要：深度学习善于从海量的数据中挖掘越来越抽象的特征并具有良好的泛化能力,受到了越来越多的研究人员的关注,而卷积神经网络(Convolutional Neural Network,CNN)则是其深度学习中一种经典而广泛应用的结构,在计算机视觉、目标检测、自然语言处理、语音识别等领域成效卓越.在详细分析机械系统故障诊断的现状和需求的基础上,首先介绍了CNN的典型结构,然后从数据输入类型、网络结构设计、迁移学习等方面对CNN在机械故障领域的应用进行了归纳总结,研究CNN应用的深层次特征提取与可视化等问题,最后,分析机械故障诊断中存在的困难,并展望了CNN在机械故障诊断领域应用中待研究解决的若干问题.
关键词：深度学习卷积神经网络大数据状态监测故障诊断迁移学习特征提取
分类号：TP277(自动化技术及设备)TH17(机械运行与维修)
资助基金：国家自然科学基金(51305454)
论文发表日期：2020-10-15
在线出版日期：2026-09-12（本平台首次上网日期，不代表文献的发表时间）
页数：9( 1024-1032 )
英文信息