Deep Residual Networks with Dynamically Weighted Wavelet Coefficients

【文件属性】：
文件名称：Deep Residual Networks with Dynamically Weighted Wavelet Coefficients
文件大小：1.44MB
文件格式：PDF
更新时间：2021-12-17 15:43:21
深度学习 深度残差学习 深度残差网络 深度神经网络 故障诊断 M. Zhao, M. Kang, B. Tang, M. Pecht, “Deep Residual Networks with Dynamically Weighted Wavelet Coefficients for Fault Diagnosis of Planetary Gearboxes,” IEEE Transactions on Industrial Electronics, vol. 65, no. 5, pp. 4290-4300, 2018. https://ieeexplore.ieee.org/document/8066359 这篇文章的题目可翻译为“基于深度残差网络及动态加权小波系数的行星齿轮箱故障诊断”，将小波包变换和深度残差学习结合起来，应用于机械故障诊断。 文章的核心创新点：复杂旋转机械系统的振动数据包含着很多不同频率的冲击和振荡成分，而且不同频带内的振动成分在故障诊断中的重要程度经常是不同的，因此可以按照如下步骤设计深度神经网络，实现对不同频带信息自适应加权的功能。