基于数据融合的深度学习轴承与感应电机故障诊断方法
机器学习
2025-06-16 v1 信号处理
摘要
卷积神经网络 (CNN) 被用于评估加速度计和麦克风数据，以进行轴承和感应电机诊断。长短期记忆 (LSTM) 循环神经网络被用于有效结合传感器信息，突出了数据融合的优势。该方法通过提出一种综合运用深度学习与传感器融合的方法，鼓励研究人员关注恒速数据采集下的多模型诊断，并鼓励数据科学家收集更多多传感器数据，包括声学和加速度计数据集。
引用
@article{arxiv.2506.11032,
title = {Deep Learning Approach to Bearing and Induction Motor Fault Diagnosis via Data Fusion},
author = {Mert Sehri and Merve Ertagrin and Ozal Yildirim and Ahmet Orhan and Patrick Dumond},
journal= {arXiv preprint arXiv:2506.11032},
year = {2025}
}