大容量, 高参数, 低能耗的百万千瓦超超临界机组是燃煤发电领域的重大装备,
已成为全国电力工业发展的主流方向, 其安全可靠运行对推动发电企业转型升级具有重要意义 …

提出了一种无监督的轴承健康指标及早期故障检测方法. 设计了一种可以有效提取轴承状态特征
的深度可分离卷积自编码器模型, 以编码器的输出作为轴承状态特征表示, 使用BrayGCurtis …

针对实际中某种工况滚动轴承带标签振动数据获取困难, 健康指标难以构建及寿命预测误差大的
问题, 提出一种基于无监督深度模型迁移的滚动轴承剩余使用寿命(Remaining useful life, RUL) …

基于张量分解可有效挖掘信号高维本质信息的优点, 提出一种无监督张量深度迁移学习方法.
首先, 构建基于张量表示的深度多任务异常检测模型, 利用核心张量构建单分类异常检测规则 …

现实世界中所获得的信号大部分都是非平稳和非线性的, 将此类复杂信号分解为多个简单的子
信号是重要的信号处理方法. 自1998 年Huang 提出希尔伯特–黄变换(Hilbert-Huang transform …

轴承早期故障的实时诊断, 是实际工程应用需求和基础科学问题研究的交汇点,
是轴承故障诊断的发展方向之一. 首先, 阐述了轴承故障及演变过程; 其次 …

近年来, 自编码器和神经网络技术已被广泛研究并应用于轴承振动等工业数据的异常检测问题上
, 但仍存在着训练数据量大, 网络参数初始化, 训练效率较低, 异常检测效果较差等问题 …

[目的] 轴承是制造业中的核心零部件之一, 其健康状况决定着主机设备的安全性,
对轴承进行短期故障预测可以有效预防生产设备故障的发生.[方法] 针对轴承短期故障预测未能 …

摘要针对现有机器人基于深度网络的地形识别方法准确率低, 网络训练时间长且需要大量训练
数据的问题, 提出一种基于深度残差网络与迁移学习的地形识别方法. 首先, 基于Resnet …

为克服跨工况场景中数据分布差异导致的传统深度学习模型泛化性能降低问题,
基于领域自适应理论提出了一种结合可迁移注意力和动态卷积的滚动轴承跨工况故障诊断方法 …