您的位置: 专家智库 > >

文龙

作品数:10 被引量:0H指数:0
供职机构:华中科技大学更多>>
相关领域:自动化与计算机技术电子电信金属学及工艺更多>>

文献类型

  • 9篇专利
  • 1篇学位论文

领域

  • 1篇金属学及工艺
  • 1篇电子电信
  • 1篇自动化与计算...

主题

  • 9篇网络
  • 7篇神经网
  • 7篇神经网络
  • 7篇卷积
  • 7篇卷积神经网络
  • 6篇故障预测
  • 4篇分类器
  • 2篇调度
  • 2篇调度器
  • 2篇多维数据
  • 2篇余弦
  • 2篇神经网络结构
  • 2篇剩余寿命
  • 2篇时频
  • 2篇时频分析
  • 2篇双输出
  • 2篇频分
  • 2篇迁移
  • 2篇网络结构
  • 2篇维数

机构

  • 10篇华中科技大学

作者

  • 10篇文龙
  • 7篇高亮
  • 7篇李新宇
  • 5篇张钊
  • 2篇董燕
  • 2篇鲁放

年份

  • 3篇2020
  • 4篇2019
  • 2篇2018
  • 1篇2014
10 条 记 录,以下是 1-10
排序方式:
一种基于层次卷积神经网络的机械故障预测方法
本发明属于神经网络故障预测相关技术领域,其公开了一种基于层次卷积神经网络的机械故障预测方法,该方法包括以下步骤:(1)采用S变换将待故障预测的机械的振动信号从时序信号变换成时频图,以备用;(2)结合故障类型在不同粒度上的...
文龙高亮李新宇张钊
文献传递
一种基于快速集成卷积神经网络的故障预测方法
本发明属于神经网络故障预测的技术领域,并公开了一种基于快速集成卷积神经网络的故障预测方法。该方法包括下列步骤:(a)采集待预测对象的输出信号,采用S变换将所述输出采集的信号进行时频分析,获得时频信号;(b)构建基于LeN...
文龙李新宇高亮
文献传递
一种基于快速集成卷积神经网络的故障预测方法
本发明属于神经网络故障预测的技术领域,并公开了一种基于快速集成卷积神经网络的故障预测方法。该方法包括下列步骤:(a)采集待预测对象的输出信号,采用S变换将所述输出采集的信号进行时频分析,获得时频信号;(b)构建基于LeN...
文龙李新宇高亮
文献传递
基于迁移卷积神经网络的故障预测方法
本发明属于神经网络故障预测领域,并公开了基于迁移卷积神经网络的故障预测方法。该方法包括下列步骤:(a)将故障类型进行编号,采集待预测对象的时域信号并获取初始故障类型编号,将时域信号转化为RGB图像;(b)将深度残差网络模...
文龙李新宇高亮张钊
文献传递
基于迁移卷积神经网络的故障预测方法
本发明属于神经网络故障预测领域,并公开了基于迁移卷积神经网络的故障预测方法。该方法包括下列步骤:(a)将故障类型进行编号,采集待预测对象的时域信号并获取初始故障类型编号,将时域信号转化为RGB图像;(b)将深度残差网络模...
文龙李新宇高亮张钊
文献传递
一种基于层次卷积神经网络的机械故障预测方法
本发明属于神经网络故障预测相关技术领域,其公开了一种基于层次卷积神经网络的机械故障预测方法,该方法包括以下步骤:(1)采用S变换将待故障预测的机械的振动信号从时序信号变换成时频图,以备用;(2)结合故障类型在不同粒度上的...
文龙高亮李新宇张钊
文献传递
一种基于卷积神经网络的数据驱动故障诊断方法
本发明属于故障诊断方法领域,并公开了一种基于卷积神经网络的数据驱动故障诊断方法,包括以下步骤:1)对要检测故障进行时域信号采样;2)将采集到的时域信号转化为待处理的图像;3)根据待处理图像的特点构建卷积神经网络模型;4)...
文龙李新宇高亮张钊
文献传递
基于非参数回归的铣削加工工艺参数优化问题建模及求解方法研究
高速切削技术和数控技术的不断发展,给先进制造技术带来了新的活力。然而,有关统计表明,大部分数控装备并没有充分发挥其性能,主要是由于加工过程固有的复杂性,以及加工过程中各物理量之间相互耦合,导致难以对其进行正确的建模与合理...
文龙
关键词:数控铣削加工非参数回归模型表面粗糙度
一种工业设备剩余寿命预测模型及其构建方法和应用
本发明公开一种工业设备剩余寿命预测模型及其构建方法和应用,方法包括:采集多个相同工业设备分别在不同故障模式下的全寿命多特征数据集,并构建每个全寿命多特征数据集的多维矩阵;采用滑动窗口对每个多维矩阵进行时间序列切片,得到该...
董燕张馨云鲁放文龙
文献传递
一种工业设备剩余寿命预测模型及其构建方法和应用
本发明公开一种工业设备剩余寿命预测模型及其构建方法和应用,方法包括:采集多个相同工业设备分别在不同故障模式下的全寿命多特征数据集,并构建每个全寿命多特征数据集的多维矩阵;采用滑动窗口对每个多维矩阵进行时间序列切片,得到该...
董燕张馨云鲁放文龙
文献传递
共1页<1>
聚类工具0