您当前的位置：
首页 >
文章列表页 >
基于注意力的多尺度卷积神经网络轴承故障诊断
计算机科学与技术 | 更新时间：2025-05-26

    • 基于注意力的多尺度卷积神经网络轴承故障诊断

    • Bearing fault diagnosis based on attention for multi-scale convolutional neural network

    • “在轴承故障诊断领域，研究者提出了一种抗噪模型MACNN，有效提高了噪声环境下的诊断精度。”
    • 吉林大学学报（工学版）   2024年54卷第10期 页码：3009-3017
    • 作者机构：

      兰州理工大学 计算机与通信学院，兰州 730050

    • 作者简介：

      张玺君（1980-），男，副教授，博士. 研究方向：智能交通，深度学习.E-mail：zhangxijun198079@sina.com

    • 基金信息：
      国家自然科学基金项目(62162040;61966023);甘肃省高等学校创新基金项目(2021A-028);甘肃省科技计划项目(21ZD4GA028);甘肃省自然科学基金重点项目(22JR5RA226)

    • DOI：10.13229/j.cnki.jdxbgxb.20221537    

      中图分类号： TP277

    • 收稿：2022-12-01，

      纸质出版：2024-10-01

    移动端阅览

  • 张玺君,尚继洋,余光杰等.基于注意力的多尺度卷积神经网络轴承故障诊断[J].吉林大学学报（工学版）,2024,54(10):3009-3017. DOI： 10.13229/j.cnki.jdxbgxb.20221537.

    ZHANG Xi-jun,SHANG Ji-yang,YU Guang-jie,et al.Bearing fault diagnosis based on attention for multi-scale convolutional neural network[J].Journal of Jilin University(Engineering and Technology Edition),2024,54(10):3009-3017. DOI： 10.13229/j.cnki.jdxbgxb.20221537.

  •  
  •  

0

浏览量

16

下载量

0

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

基于变分模态提取及轻量级网络的滚动轴承故障诊断
数据不平衡分布下轴承故障诊断方法
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
基于小波包对数能量图的滚动轴承故障诊断方法
基于优化A-BiLSTM的滚动轴承故障诊断

相关作者

冯志刚
王首起
于明月
何智栋
王进花
曹洁
余萍
陈晓雷

相关机构

沈阳航空航天大学 自动化学院
兰州理工大学 电气工程与信息工程学院
甘肃省城市轨道交通工程研究中心
甘肃省制造信息工程研究中心
兰州理工大学 电气与控制工程国家实验教学中心
0