基于深度LSTM残差网络的轴承故障诊断研究

重庆工业职业技术学院学报 ›› 2022, Vol. 4 ›› Issue (4) : 44-53.

应用技术

{{article.zuoZhe_CN}}

作者信息 +

Fault Diagnosis of Bearings based on Deep LSTM Residual Network

{{article.zuoZhe_EN}}

Author information +

History +

本文亮点

HeighLight

摘要

Abstract

关键词

Key words

引用本文

EndNote

Ris (Procite)

Bibtex

导出引用

{{article.zuoZheCn_L}}. {{article.title_cn}}. {{journal.qiKanMingCheng_CN}}. 2022, 4(4): 44-53

{{article.zuoZheEn_L}}. {{article.title_en}}. {{journal.qiKanMingCheng_EN}}. 2022, 4(4): 44-53

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序

参考文献

基金

版权

PDF(2056 KB)

Accesses

Citation

Detail

段落导航

Received	Revised	Published
2022-12-12	2022-09-07	2022-12-21
Issue Date
2023-03-13

选择文件类型/文献管理软件名称

选择包含的内容

本文亮点

HeighLight

摘要

Abstract

关键词

Key words

引用本文

{{custom_sec.title}}

{{custom_sec.title}}

参考文献

参考文献

{{custom_ack.title_cn}}

基金

版权