基于DRSN-CW和LSTM的轴承故障诊断doi:10.12178/1001-0548.2021385王磊孙志成陈端兵蒋家玮Journal of the University of Electronic Science & Technology of China
基于DRSN-CW和LSTM的轴承故障诊断 利用深度残差网络中逐通道不同阈值的残差收缩模块(DRSN-CW)的降噪能力和特征提取能力,结合长短时记忆网络(LSTM)和注意力机制,设计了一个端到端的基于振动信号的轴承故... 王磊,孙志成,陈端兵,... - 《Journal of the University of Electronic Science & Technology of China》...
由于电池荷电状态(state of charge,SOC)无法直接测量,且传统的SOC估算方法精度低.为了提升锂离子电池SOC估算精度,对比了不同深度学习网络模型应用于SOC估算的效果,并提出了一种基于DRSN-CW-LSTM网络的锂离子电池SOC估算方法.该方法基于长短期记忆网络(long-short-term memory,LSTM)和逐通道不同阈值的深度残差收缩网络...