故障诊断神经网络的发展与前景

摘要/Abstract

摘要： 神经网络是近几年来掀起热潮的一个特别引人入胜的领域，它完全打破了学科的界限，对人工智能、计算机科学、脑神经科学、电子学、信息科学、生命科学、数学、物理、自动控制与机器人等学科的新发展都有着重要影响。随着其研究的不断进展，它的应用领域也越来越广阔。本文对机械故障诊断的神经网络理论方法进行了较为详细的评述，展望了其发展前景，指出了有关前沿研究课题。

关键词: 故障诊断, 模式识别, 神经网络

Abstract: Neural network provides a now and powerful theory method for diagnosis of mechanical system failure, and then it will extricate the diagnosis of mechanical system failure from its present difficult position. In this article, two large parts, the pattern recognition and knowledge processing which aeural network is applied in the diagnosis of mechanical system failure, are discussed in detail. We have prospected for its development, and its forward related research subjects are pointed out.

Key words: 故障诊断, 模式识别, 神经网络

曾昭君;何钺;史维祥. 故障诊断神经网络的发展与前景[J]. , 1992, 28(1): 1-7.

Zeng Zhaojun;He Yue;Shi Weixiang. DEVELOPMENT AND PROSPECT OF FAILURE DIAGNOSIS NEURAL NETWORK[J]. , 1992, 28(1): 1-7.

[1]	裴洪, 胡昌华, 司小胜, 张建勋, 庞哲楠, 张鹏. 基于机器学习的设备剩余寿命预测方法综述[J]. 机械工程学报, 2019, 55(8): 1-13.
[2]	沈长青, 汤盛浩, 江星星, 石娟娟, 王俊, 朱忠奎. 独立自适应学习率优化深度信念网络在轴承故障诊断中的应用研究[J]. 机械工程学报, 2019, 55(7): 81-88.
[3]	王奉涛, 刘晓飞, 敦泊森, 邓刚, 韩清凯, 李宏坤. 基于萤火虫优化的核自动编码器在中介轴承故障诊断中的应用[J]. 机械工程学报, 2019, 55(7): 58-64.
[4]	熊鹏, 汤宝平, 邓蕾, 赵明航. 基于动态加权密集连接卷积网络的变转速行星齿轮箱故障诊断[J]. 机械工程学报, 2019, 55(7): 52-57.
[5]	李川, 张绍辉, José Valente de Oliveira. 基于次优网络深度学习的3D打印机故障诊断[J]. 机械工程学报, 2019, 55(7): 73-80.
[6]	胡茑庆, 陈徽鹏, 程哲, 张伦, 张宇. 基于经验模态分解和深度卷积神经网络的行星齿轮箱故障诊断方法[J]. 机械工程学报, 2019, 55(7): 9-18.
[7]	姜洪开, 邵海东, 李兴球. 基于深度学习的飞行器智能故障诊断方法[J]. 机械工程学报, 2019, 55(7): 27-34.
[8]	李锋, 向往, 陈勇, 汤宝平, 王家序. 基于双隐层量子线路循环单元神经网络的状态退化趋势预测[J]. 机械工程学报, 2019, 55(6): 83-92.
[9]	梁志豪, 巫江虹, 谢子立. 变频空调实际运行模式识别及数据挖掘[J]. 机械工程学报, 2019, 55(6): 194-202.
[10]	鲍久圣, 纪洋洋, 阴妍, 黄山. 摩-磁复合制动性能及恒力矩制动控制研究[J]. 机械工程学报, 2019, 55(5): 156-165.
[11]	汪久根, 柯梁亮. 基于残差网络的RV减速器故障诊断[J]. 机械工程学报, 2019, 55(3): 73-80.
[12]	翁军华,张剑锐,李达,郑海兴. 光伏系统直流电弧故障检测的抗干扰技术综述[J]. 电气工程学报, 2019, 14(3): 9-15.
[13]	喻曦, 赵欢, 李祥飞, 丁汉. 基于双深度神经网络的轮廓误差补偿策略研究[J]. 机械工程学报, 2019, 55(3): 130-137.
[14]	谢延敏, 张飞, 王子豪, 黄仁勇, 杨俊峰, 胡云川. 基于渐变凹模圆角半径的高强钢扭曲回弹补偿[J]. 机械工程学报, 2019, 55(2): 91-97.
[15]	刘明周, 蒋倩男, 扈静. 基于面部几何特征及手部运动特征的驾驶员疲劳检测[J]. 机械工程学报, 2019, 55(2): 18-26.

故障诊断神经网络的发展与前景

DEVELOPMENT AND PROSPECT OF FAILURE DIAGNOSIS NEURAL NETWORK

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价