Scidown文献预览系统！
基于CNN的少参数轻神经网络用于旋转机械故障诊断( Light neural network with fewer parameters based on CNN for fault diagnosis of rotating machinery )
T Jin C Yan C Chen Z Yang S Wang
近年来对深度学习模型的研究主要集中在提高机械故障数据集的精确度上，而忽略了模型复杂度对计算效率和训练时间的影响，导致故障类型检测较晚。为了快速准确地识别故障类型，提高故障诊断的效率，本文提出了一种改进的基于CNN的旋转机械故障诊断方法&光神经网络(LiNet)，该方法具有较少的参数。该方法采用原始振动信号作为输入。线性方程组的特征提取由一个3×1卷积核的卷积块、两个由大小不均匀的卷积块和残差结构组成的轻模和一个1×1卷积核的卷积块实现。分类阶段通过全局平均池识别故障类型。最后，将自适应批归一化(AdaBN)与线性方程组相结合，探讨了该方法的领域自适应能力。利用东南大学(SEU)齿轮箱数据集和凯斯西储大学(CWRU)轴承数据集两个机械数据集进行了实验，验证了该线性方程组的有效性。与现有的方法相比，该方法具有更高的精度，在正常信号下可以达到接近100%的精度，但在不同的工作负载下仍能保持良好的性能。
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 ()下载
scidown ()下载
scidown 尖晶石结构功能材料的新进展 下载