您当前的位置：
首页 >
文章列表页 >
基于多状态时间序列预测学习的超精密机床主轴故障诊断仿真
车辆工程·机械工程 | 更新时间：2025-05-26

    • 基于多状态时间序列预测学习的超精密机床主轴故障诊断仿真

    • Simulation of ultra-precision machine tool spindle fault diagnosis based on multi-state time series predictive learning

    • “在超精密机床主轴故障诊断领域，专家提出了基于多状态时间序列预测学习的诊断方法，建立了DAFDC-RNN模型，引入注意力机制和全维度卷积，提高了故障预测精度，耗时控制在10ms以内。”
    • 吉林大学学报（工学版）   2023年53卷第11期 页码：3056-3061
    • 作者机构：

      1.江汉大学 工程训练中心，武汉 430056

      2.武汉大学 工程训练与创新实践中心，武汉 430056

    • 作者简介：

      张朝刚（1982-），男，高级实验师，硕士.研究方向：智能制造.E-mail： zcgg22@126.com

    • 基金信息：
      武汉市教育局项目(2021041);国家级创新实验项目(202010265013)

    • DOI：10.13229/j.cnki.jdxbgxb.20220768    

      中图分类号： TM464

    • 收稿：2022-06-20，

      纸质出版：2023-11-01

    移动端阅览

  • 张朝刚,侍中楼,李敏.基于多状态时间序列预测学习的超精密机床主轴故障诊断仿真[J].吉林大学学报（工学版）,2023,53(11):3056-3061. DOI： 10.13229/j.cnki.jdxbgxb.20220768.

    ZHANG Chao-gang,SHI Zhong-lou,LI Min.Simulation of ultra-precision machine tool spindle fault diagnosis based on multi-state time series predictive learning[J].Journal of Jilin University(Engineering and Technology Edition),2023,53(11):3056-3061. DOI： 10.13229/j.cnki.jdxbgxb.20220768.

  •  
  •  

0

浏览量

19

下载量

1

CSCD

文章被引用时，请邮件提醒。
提交
工具集
下载
参考文献导出
分享
收藏
添加至我的专辑

相关文章

基于改进VME算法和mRVM的滚动轴承小样本复合故障诊断
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
基于解释结构模型的复杂系统故障诊断
基于注意力的多尺度卷积神经网络轴承故障诊断

相关作者

冯志刚
张志远
董冰
于明月
冯志刚
王首起
于明月
崔月磊

相关机构

沈阳飞机工业（集团）有限公司
沈阳航空航天大学 自动化学院
沈阳航空航天大学 自动化学院
天津市电气装备智能控制重点实验室
天津工业大学 控制科学与工程学院
0