Combinación de descomposición modal variacional optimizada y aprendizaje profundo de transferencia: un enfoque mejorado para el diagnóstico de fallas en motores diésel
Autores: Bai, Huajun; Zhan, Xianbiao; Yan, Hao; Wen, Liang; Jia, Xisheng
Idioma: Inglés
Editor: MDPI
Año: 2022
Acceso abierto
Artículo científico
2022
Combinación de descomposición modal variacional optimizada y aprendizaje profundo de transferencia: un enfoque mejorado para el diagnóstico de fallas en motores diésel
Categoría
Ingeniería y Tecnología
Subcategoría
Ingeniería Eléctrica y Electrónica
Palabras clave
Características
Diagnóstico de fallas
Descomposición modal variacional
Aprendizaje profundo de transferencia
Reducción de ruido
ResNet18
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 37
Citaciones: Sin citaciones
La extracción manual de características y el empleo de conocimientos preeminentes se utilizan en exceso en los métodos para llevar a cabo el diagnóstico de fallas. En este manuscrito se propone un enfoque de diagnóstico que utiliza métodos inteligentes de descomposición modal variacional optimizada y aprendizaje profundo por transferencia para tratar el diagnóstico de fallas.
Descripción
La extracción manual de características y el empleo de conocimientos preeminentes se utilizan en exceso en los métodos para llevar a cabo el diagnóstico de fallas. En este manuscrito se propone un enfoque de diagnóstico que utiliza métodos inteligentes de descomposición modal variacional optimizada y aprendizaje profundo por transferencia para tratar el diagnóstico de fallas.