原创力文档- 1、本文档共2页，可阅读全部内容。
- 2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
- 3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
机械外文参考文献
深度学习在机械领域的应用越来越广泛。本文综述了机械外文参
考文献中关于深度学习在机械中的应用研究。
1.Zhang,K.,Kang,L.(2018).Deepearningfor
inspectionandinteigentmanufacturing:Anoverview.
AdvancedEngineeringInformatics,38,598-610.
这篇综述文章系统地介绍了深度学习在机械检测和智能制造中的
应用。作者回顾了深度学习的发展历程，并探讨了其在工业制造中的
潜力和挑战。
2.Chen,D.,Hu,B.(2019).Deepearningforfaut
diagnosisofrotatingmachinery:Areview.MechanicaSystems
andSignaProcessing,107,49-67.
作者对深度学习在旋转机械故障诊断方面的研究进行了综述。文
章介绍了目前广泛应用的深度学习算法，并提供了用于故障诊断的数
据集和评估方法。
3.Li,K.,eta.(2020).Deepearning-basedapproach
forinteigentmonitoringandprognosticsinmachining
processes.JournaofManufacturingSystems,56,333-345.
这篇文章介绍了基于深度学习的智能监测和预测在机械加工过程
中的应用。作者提出了一种新的深度学习框架，用于实时监测和预测
机械加工过程中的关键指标。
4.Wang,S.,eta.(2017).Machinevisionbasedondeep
earningforsurfacequaityinspectioninmanufacturing
processes.RoboticsandComputer-IntegratedManufacturing,46,
151-160.
该文介绍了基于深度学习的机器视觉在制造过程中表面质量检测
方面的应用。作者提出了一种深度学习模型，用于检测制造过程中的
表面缺陷，并与传统方法进行了比较。
5.Zhang,W.,eta.(2019).Deepearning-basedfaut
diagnosisformachineryusingvibrationsignas.Mechanica
SystemsandSignaProcessing,116,75-87.
作者研究了基于深度学习的振动信号故障诊断方法。文章提出了
一种使用深度学习模型识别机械故障的新方法，并在实际振动信号中
进行了验证和评估。
通过对上述文献的综述，可以看出深度学习在机械领域中的应用
前景广阔，可以提高机械制造和检测的效率和准确性。同时，这些研
究也揭示了深度学习在机械故障诊断和监测等方面仍然存在的挑战，
需要进一步的研究和改进。
文档评论（0）