原创力文档- 1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
- 2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
- 3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
查看更多
摘要
深度网络轴承故障诊断模型凭借其卓越的自动提取特征与分类的能力，在轴
承故障诊断领域展现出显著优势。然而，当深度网络应用于实际工程现场时，往
往会因数据的不充分（不均衡-小样本）而导致故障特征提取不准确，模型预测精
度低，甚至失效。这种训练集数据不均衡特性和非充分性导致信号中故障特征体
现不充分，限制了滚动轴承故障诊断模型的特征提取，也会对故障诊断的准确性
造成不可忽视的影响。因此，在标签样本稀缺、环境多变等复杂工业条件下，深
入研究如何构建基于深度网络的故障诊断模型以适应不同工作场景的需求，既
文档评论（0）