Scidown文献预览系统！
一种基于物理的轴承故障检测深度学习方法( A physics-informed deep learning approach for bearing fault detection )
S Shen H Lu M Sadoughi C Hu S Kenny
近年来，计算机技术的进步和大数据的出现使得深度学习在轴承状态监测和故障检测方面取得了令人印象深刻的成功。虽然现有的深度学习方法能够高效地检测和分类轴承故障，但这些方法大多只依赖于数据，没有将物理知识纳入学习和预测过程--或者更重要的是，将轴承故障的物理知识嵌入模型训练过程，使模型具有物理意义。针对这一挑战，我们提出了一种基于物理的深度学习方法，该方法由简单阈值模型和深度卷积神经网络(CNN)模型组成，用于轴承故障检测。在提出的基于物理信息的深度学习方法中，阈值模型首先基于已知的轴承故障物理特性来评估轴承的健康等级。然后，CNN模型从输入数据中自动提取高层特征特征，并充分利用这些特征预测轴承的健康等级。我们设计了一个损失函数来训练和验证CNN模型，当将阈值模型所吸收的物理知识嵌入到CNN模型中时，该函数选择性地放大了这些知识的效果。使用（1）来自田间操作的农业机器上18个轴承的数据，(2)来自凯斯西储大学(CWRU)轴承数据中心实验室测试台上轴承的数据，验证了所提出的基于物理的深度学习方法。
SciDown文献求助系统（解决99%问题） Public Download Elsevier ResearchGate
『Sci-Hub|Scidown』怎么用？来看看教程吧！

支持模式 1.支持DOI号 2.支持英文文献全名搜索 3.支持参考文献搜索 4.知网文献（暂时关闭）

安卓手机、电脑用户，您可以在QQ浏览器里输入 www.scidown.cn 打开scidown解析，就可以解析、下载了！（注意是文献的DOI号）

苹果手机用户，您需要先在App Store里搜索并下载 Documents by Readdle 这个APP，在APP首页，左划右下角的指南针图标打开APP内置浏览器，在浏览器里输入 www.scidown.cn 打开scidown解析，就可以解析、下载了！

如出现BUG？赶快加入【Scidown互助交流群】反馈吧：729083885【点击一键加群】
『Sci-Hub|Scidown』相关参考文献
scidown Co和Pt双-单原子氧配位Co - o - Pt二聚体的超高光催化析氢效率下载
scidown Co和Pt双-单原子氧配位Co - o - Pt二聚体的超高光催化析氢效率下载