您当前的位置：
首页 >
文章列表页 >
基于卷积神经网络和双向长短期记忆的稳定抗噪声滚动轴承故障诊断
车辆工程·机械工程 | 更新时间：2025-05-26
上一篇|下一篇

    • 基于卷积神经网络和双向长短期记忆的稳定抗噪声滚动轴承故障诊断

    • Stable anti⁃noise fault diagnosis of rolling bearing based on CNN⁃BiLSTM

    • “在滚动轴承故障诊断领域，专家提出了稳定抗噪声故障诊断神经网络模型，有效提高了噪声环境下的故障识别准确率和诊断稳定性。”
    • 陈晓雷 ，孙永峰 ，李策 ，林冬梅
    • 吉林大学学报（工学版） 2022年52卷第2期 页码：296-309
    • 作者机构：

      1.兰州理工大学 电气工程与信息工程学院，兰州 730050

      2.兰州理工大学 甘肃省工业过程先进控制重点实验室，兰州 730050

      3.兰州理工大学 电气与控制工程国家级实验教学示范中心，兰州 730050

    • 作者简介：

      陈晓雷（1979-），男，副教授，博士.研究方向：模式识别与智能系统.E-mail：chenxl703@lut.edu.cn

    • 基金信息：
      国家自然科学基金项目(61967012;61866022)

    • DOI： 10.13229/j.cnki.jdxbgxb20211031     

      中图分类号：

    移动端阅览

  •  
  •  

  • AI导读

  • HTML全文

  • 图( 10 ) 表( 12 )

  • 参考文献

  • 出版信息

  • 数据统计

144

浏览量

50

下载量

14

CSCD

文章被引用时，请邮件提醒。
提交
工具集
  • BibTeX下载
  • Endnote下载
  • RefMan 下载
  • NoteExpress下载
  • NoteFirst下载

相关文章

基于变分模态提取及轻量级网络的滚动轴承故障诊断
基于小波包对数能量图的滚动轴承故障诊断方法
基于注意力的多尺度卷积神经网络轴承故障诊断
基于优化堆叠降噪自编码器的滚动轴承故障诊断
基于扩散模型和DenseNet的少样本齿轮箱故障诊断方法

相关作者

冯志刚
王首起
于明月
崔月磊
李杨
王子从
王娜
尚继洋

相关机构

沈阳航空航天大学 自动化学院
天津工业大学 控制科学与工程学院
天津市电气装备智能控制重点实验室
兰州理工大学 计算机与通信学院
兰州理工大学 国家级电气与控制工程实验教学中心