Intelligent fault diagnosis of rotating machinery under variable working conditions based on deep transfer learning with fusion of local and global time–frequency features

Autor(en):	Xiao Yu (School of Information and Control Engineering, China University of Mining and Technology, Xuzhou, China) Songcheng Wang (School of Information and Control Engineering, China University of Mining and Technology, Xuzhou, China) Hongyang Xu (School of Information and Control Engineering, China University of Mining and Technology, Xuzhou, China) Kun Yu (School of Information and Control Engineering, China University of Mining and Technology, Xuzhou, China) Ke Feng (School of Engineering, University of British Columbia, Kelowna, BC, Canada) Yongchao Zhang (School of Engineering, University of British Columbia, Kelowna, BC, Canada) Xiaowen Liu (School of Information and Control Engineering, China University of Mining and Technology, Xuzhou, China)
Medium:	Fachartikel
Sprache(n):	Englisch
Veröffentlicht in:	Structural Health Monitoring
DOI:	10.1177/14759217231199427

Structurae kann Ihnen derzeit diese Veröffentlichung nicht im Volltext zur Verfügung stellen. Der Volltext ist beim Verlag erhältlich über die DOI: 10.1177/14759217231199427.

Anzeige

Structurae kooperiert mit

Anzeige