卷积神经网络在机械故障诊断中的全面综述
信号处理
2020-08-18 v1 机器学习
机器学习
摘要
随着制造业快速发展，机械故障诊断对保障设备安全运行与生产日益重要。近年来诸多方法被探索与开发，其中智能算法发展尤为迅速。卷积神经网络作为智能诊断模型的典型代表，近五年被广泛研究并应用于机械故障诊断，大量文献发表于学术期刊与会议论文集。然而，尚缺乏系统性综述以涵盖这些研究并对进一步研究做出展望。为填补此空白，本文试图全面回顾与总结基于卷积网络的故障诊断（CNFD）方法的发展。通常，典型CNFD框架由数据采集、模型构建、特征学习与决策等步骤组成，故本文依此脉络组织。首先描述数据采集过程并介绍若干常用数据集；继而阐述从基础卷积神经网络至其变体的基本理论；之后从分类、预测与迁移诊断三个主流方向回顾CNFD应用；最后给出结论与展望，指出当前发展特征、面临挑战与未来趋势。最后同样重要的是，期望本文能为该领域研究者提供便利并启发进一步探索。
引用
@article{arxiv.2002.07605,
title = {A comprehensive review on convolutional neural network in machine fault diagnosis},
author = {Jinyang Jiao and Ming Zhao and Jing Lin and Kaixuan Liang},
journal= {arXiv preprint arXiv:2002.07605},
year = {2020}
}