基于深度学习的集成化装备故障诊断方法综述

发布时间：2021-09-16 22:55

　　集成化装备的结构和功能日益复杂,传统的故障诊断方法难以进行准确的特征提取,而深度学习具有强大的学习能力,能够有效挖掘特征,适合于集成化装备的故障诊断;为此,首先按照应用领域的不同,分别描述了国内外基于深度学习的故障诊断最新研究进展;其次,简要介绍了3种典型的深度学习故障诊断方法 （深度置信网络、堆栈自编码机和卷积神经网络）,整理出已经取得的成果和存在的问题并做出总结;而后将基于深度学习实现故障诊断面临的挑战总结为6种类型,并根据前文总结出的研究成果提出了研究思路;最后结合实际应用情况,提出了4种发展方向。 

【文章来源】：计算机测量与控制. 2020,28(08)

【文章页数】：8 页

【部分图文】：

DBN结构

AE结构

LeNet-5结构

【参考文献】：
期刊论文
[1]基于深度学习特征提取和WOA-SVM状态识别的轴承故障诊断[J]. 赵春华,胡恒星,陈保家,张毅娜,肖嘉伟.  振动与冲击. 2019(10)
[2]基于同步挤压S变换和深度学习的轴承故障诊断[J]. 杜小磊,陈志刚,张楠,许旭.  组合机床与自动化加工技术. 2019(05)
[3]基于深度学习的无人机故障诊断方法研究[J]. 李炜,崔佳佳.  计算机与数字工程. 2019(05)
[4]基于深度置信网络风电机组变桨系统的故障诊断[J]. 陈自强,程健,季文强,翟红雨.  测控技术. 2019(05)
[5]基于深度神经网络的提升机轴承故障诊断研究[J]. 马辉,车迪,牛强,夏士雄.  计算机工程与应用. 2019(16)
[6]基于深度置信网络的车载电源故障诊断方法[J]. 李炜,雷雪,蒋栋年.  兰州理工大学学报. 2019(02)
[7]改进深层小波自编码器的轴承故障诊断方法[J]. 杜小磊,陈志刚,许旭,张楠.  计算机工程与应用. 2020(05)
[8]基于EMD和SSAE的滚动轴承故障诊断方法[J]. 王奉涛,邓刚,王洪涛,于晓光,韩清凯,李宏坤.  振动工程学报. 2019(02)
[9]基于深度置信网络的移动电站发电机故障诊断[J]. 孙鑫,陈海松,王清.  装备制造技术. 2019(03)
[10]基于次优网络深度学习的3D打印机故障诊断[J]. 李川,张绍辉,José Valentede Oliveira.  机械工程学报. 2019(07)

硕士论文
[1]基于卷积神经网络的电机故障诊断方法研究[D]. 乔林翰.兰州理工大学 2018
[2]基于深度学习的故障诊断技术研究[D]. 张士强.哈尔滨工业大学 2018
[3]深度学习在滚动轴承故障诊断中的应用研究[D]. 陈伟.西南交通大学 2018
[4]基于深度神经网络的复杂化工过程故障检测研究[D]. 旷天亮.华南理工大学 2018
[5]基于深度学习的行星齿轮箱故障诊断技术研究[D]. 王俊.南京航空航天大学 2018



本文编号：3397438