针对风电机轴承历史运行数据来源单一, 数据量少, 导致风电机轴承故障诊断性能受限问题,
提出一种基于数据生成与迁移学习的轴承小样本故障诊断方法. 首先, 对于轴承数据集中存在类 …

Aiming at the problem of limited fault diagnosis performance caused by a single source of
historical operating data for wind turbine bearings and a small amount of data, a small …

基于深度学习的故障诊断方法的实现, 需要用到大量的, 有标的训练样本, 而在小样本数据下,
采用这些方法会产生模型欠拟合问题, 同时获得的分类准确率也较低. 为了解决上述问题 …

英文摘要为解决实际应用中风力机滚动轴承故障训练样本严重不足的问题,
提出一种基于改进残差神经网络与迁移学习的小样本滚动轴承故障诊断模型. 首先 …

在风力发电机轴承故障诊断过程中, 基于深度学习的故障诊断方法受限于有限的标注样本,
存在模型收敛困难和识别准确率较低等问题, 为此, 提出了£ 种基于并行卷积神经网络(L@ M99) …

随着数据时代的来临, 基于数据驱动的轴承故障诊断方法表现出了优越的性能,
但是此类方法依赖大量标记数据, 而在实际生产过程中很难收集到大量的数据 …

针对工程实际故障诊断环境下, 可用数据稀缺, 导致智能诊断模型对轴承健康状态识别精度较低
这一问题, 提出一种基于二次迁移学习和EfficientNetV2 (Two-Step Transfer of Efficient-NetV2 …

深度学习方法被广泛应用于轴承故障诊断, 但在实际工程应用中, 轴承服役期间的真实服役故障
数据不易收集, 缺乏数据标签, 难以进行充分的训练. 针对轴承服役故障诊断困难的问题 …

样, 轴承作为旋转机械的关键部件, 其健康状况影响着整个旋转机械的性能, 稳定性和使用寿命.
轴承故障诊断技术近年来发M 迅速. 其中, 基于振动的诊断技术已被证明是最有效的轴承故障 …