《基于次优网络深度学习的3D打印机故障诊断》PDF+DOC
作者:李川,张绍辉,José Valentede Oliveira
单位:中国机械工程学会
出版:《机械工程学报》2019年第07期
页数:8页 (PDF与DOC格式可能不同)
PDF编号:PDFJXXB2019070110
DOC编号:DOCJXXB2019070119
下载格式:PDF + Word/doc 文字可复制、可编辑
《基于深度卷积网络的多传感器信号故障诊断方法研究》PDF+DOC2018年第01期 吴魁,王仙勇,孙洁,黄玉龙
《3D打印机中的温度控制研究》PDF+DOC2016年第02期 孔庆芳
《艺术铸造中小件模型的数字化制作技术》PDF+DOC2015年第06期 王甜,胡春良
《基于深度学习的含未知复合故障多传感器信号故障诊断》PDF+DOC2020年第09期 邢砾文,姚文凯,黄莹
《基于RDK-ELM的航空发动机控制系统故障诊断》PDF+DOC2020年第02期 陈虹潞,黄向华
《基于ReLU深度信念网络的35kV开关柜故障诊断》PDF+DOC2019年第05期 母卓元
《基于CWRU数据集进行系统参数识别的智能化发展方向》PDF+DOC2018年第10期 杨静
《在初中物理课堂中促进学生深度学习的策略》PDF+DOC2019年第04期 熊剑敏
《EF-4565存折打印机常见故障及处理》PDF+DOC1995年第07期 朱欣元
《基于遗传小波网络的飞控系统故障诊断研究》PDF+DOC2008年第03期 宁东方,章卫国,李斌
为实现精度可靠且成本节约的3D打印机故障诊断,采用消费品级的姿态传感器采集打印机的健康状态数据,并提出次优网络深度学习以弥补低成本硬件精度的不足。次优网络深度学习在由预训练和精细调节组成的传统深度学习基础上,一方面提出预分类方法自适应确定次优的网络结构参数,另一方面采用精细分类方法进一步提高故障诊断分类的精度。试验中,将姿态传感器安装于并联臂3D打印传动链的末端即打印头上。传感器全部通道的运动信号作为输入信息,采用深度玻尔兹曼机构建了次优网络故障诊断算法进行大数据驱动的故障诊断。将所提出的次优网络深度学习故障诊断方法与其他方法相比较,其结果表明,所提出方法可以有效诊断3D打印机的传动故障。
提示:百度云已更名为百度网盘(百度盘),天翼云盘、微盘下载地址……暂未提供。