Scidown文献预览系统!
基于卷积自编码器的机械故障诊断深度迁移学习网络( A new deep transfer learning network based on convolutional auto-encoder for mechanical fault diagnosis )
Q Qian Y Qin Y Wang F Liu
深度学习在旋转机械智能故障诊断方面取得了很大的成就。然而,在实际工程中,标记数据很少,而且在不同的条件下,数据的边际分布是不一致的。迁移学习为克服这些困难提供了可行的途径。针对噪声对传递故障诊断的影响,提出了一种基于卷积自动编码器的深度传递学习网络(CAE-DTLN),实现了无标记数据的目标域机械故障诊断。该框架采用CAE作为特征提取器,因为CAE具有去除噪声的能力。此外,将相关比对(CORAL)损失和领域分类损失结合起来,增强了领域混淆的效果。将该模型应用于行星齿轮箱在不同工作载荷和噪声水平下的故障转移诊断,并与其它典型故障转移诊断模型进行了比较。实验结果表明,CAE-DTLN具有较高的诊断精度和较强的泛化能力。CAE-DTLN平均诊断准确率达99%以上。而且,所提出的迁移学习模型具有更好的抗噪声性能。
『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】