全文获取类型
收费全文 | 49篇 |
免费 | 7篇 |
国内免费 | 5篇 |
专业分类
电工技术 | 3篇 |
综合类 | 12篇 |
化学工业 | 1篇 |
金属工艺 | 5篇 |
机械仪表 | 5篇 |
建筑科学 | 5篇 |
矿业工程 | 9篇 |
无线电 | 8篇 |
一般工业技术 | 8篇 |
自动化技术 | 5篇 |
出版年
2023年 | 1篇 |
2022年 | 4篇 |
2021年 | 3篇 |
2020年 | 4篇 |
2019年 | 4篇 |
2018年 | 10篇 |
2017年 | 3篇 |
2016年 | 1篇 |
2015年 | 3篇 |
2013年 | 3篇 |
2012年 | 3篇 |
2011年 | 1篇 |
2010年 | 2篇 |
2009年 | 3篇 |
2008年 | 5篇 |
2007年 | 3篇 |
2006年 | 2篇 |
2005年 | 2篇 |
2004年 | 1篇 |
2000年 | 1篇 |
1999年 | 2篇 |
排序方式: 共有61条查询结果,搜索用时 15 毫秒
61.
传统卷积神经网络模型采用单一类型卷积核,面对复杂工况下的实际数据时存在特征提取不充分,故障识别率低等问题,因此提出了一种基于多种卷积核特征提取自适应融合的滚动轴承故障诊断方法(MCK-CNN)。首先,将轴承一维振动信号经过小波变换转换为二维时频图,将时频图经过一个共同的特征提取网络初步进行特征提取后并行经过一个常规的Convolution和Involution卷积网络;然后,经过2个由不同卷积核构成的网络进行不同方式的特征提取并通过CBAM注意力模块将两类特征自适应地融合;最后,将融合特征输入全连接层并通过Softmax函数输出分类结果。CWRU和实验室轴承数据集的试验结果表明,MCK-CNN模型的训练效率和故障识别率均较高。 相似文献