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.
초록·키워드
Gearbox fault diagnosis based on traditional deep learning often needs a large number of samples. However, the gearbox fault samples are limited in practical engineering, which could lead to poor diagnosis performance. Based on the above problems, this paper proposes a gearbox fault diagnosis method based on Gramian angular field (GAF) and TLCA-MobileNetV3 to achieve fast and accurate limited sample recognition under varying working conditions, and further achieve the cross-component fault diagnosis within the gearbox. First, the 1D signals are converted into 2D images through GAF. Second, a lightweight convolutional neural network is established. Coordinate attention (CA) is integrated into the network to establish remote dependency in space and improve the ability of feature extraction. The optimal strategy for model training is determined. Finally, a transfer learning strategy is designed. The lower structures of network are frozen. The higher structures of network are fine-tuned using limited samples. Through experimental verification, the proposed network could achieve limited sample fault diagnosis under varying working conditions and cross-component conditions.
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
