인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 저자정보
피인용 0
초록·키워드
This study introduces a Hybrid Deep Convolutional Neural Network (HDCNN) for advanced vibration signal analysis and fault detection in mechanical systems. HDCNN combines One Dimensional Convolutional Neural Network (1DCNN), Two-Dimensional Convolutional Neural Network (2DCNN), and Deep Neural Networks (DNN) to enhance fault diagnostic efficiency. The 1DCNN is used for regression tasks like analyzing machining surface roughness, while 2DCNN handles classification tasks such as tool wear and bearing fault diagnosis using time-frequency images from short time Fourier transform (STFT). DNN integrates features from 1DCNN and 2DCNN for effective regression and fault classification. Experimental results show that HDCNN outperforms existing techniques like CNN, DNN, FANN, PSONN, and GANN in diagnostic accuracy, convergence speed, and stability. This research highlights HDCNN as a powerful tool for predictive maintenance and real-time fault identification in mechanical systems, showcasing the advantages of deep learning in mechanical fault diagnostics.
본문·목차
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
UCI(KEPA) : I410-151-26-02-094305249
