Bearing fault diagnosis under various conditions using an incremental learning-based multi-task shared classifier

计算机科学 医学诊断 遗忘 分类器(UML) 卷积神经网络 人工智能 任务(项目管理) 机器学习 人工神经网络 深度学习 方位(导航) 断层(地质) 模式识别(心理学) 工程类 医学 哲学 语言学 病理 地震学 地质学 系统工程
作者
Pengcheng Wang,Hui Xiong,Haoxiang He
出处
期刊:Knowledge Based Systems [Elsevier BV]
卷期号:266: 110395-110395 被引量:66
标识
DOI:10.1016/j.knosys.2023.110395
摘要

Rolling bearings are susceptible to failure because of their complex and severe working environments. Deep learning-driven intelligent fault diagnosis methods have been widely introduced and exhibit satisfactory performance. However, bearing fault diagnosis during various working conditions is challenging; catastrophic forgetting occurs when test data are gathered under different conditions. In this paper, we develop an incremental learning-based multi-task shared classifier (IL-MTSC) for bearing fault diagnosis under various conditions. We use a one-dimensional convolutional neural network model as the principal framework. Then, we create a knowledge distillation method that allows the model to retain learned knowledge. Finally, we use a shared classifier that operates under various scenarios to establish a unified structure. The method can continuously learn and preserve knowledge when diagnoses bearing faults under various working conditions. The results show that IL-MTSC optimally diagnoses bearing marks under various conditions.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
1秒前
1秒前
2秒前
erhya发布了新的文献求助10
2秒前
qjh完成签到,获得积分10
3秒前
科目三的应助被yj采纳,获得10
3秒前
6666发布了新的文献求助10
3秒前
Tuniverse_发布了新的文献求助10
4秒前
banana发布了新的文献求助10
4秒前
5秒前
笑点低的海冬完成签到 ,获得积分10
5秒前
高贵魂幽完成签到,获得积分10
6秒前
活泼的寄风完成签到,获得积分10
6秒前
7秒前
8秒前
8秒前
田様的应助被yize采纳,获得10
8秒前
唔西迪西完成签到,获得积分10
9秒前
10秒前
coolru的应助被科研通管家采纳,获得10
10秒前
coolru的应助被科研通管家采纳,获得10
10秒前
xfy的应助被科研通管家采纳,获得20
10秒前
桐桐的应助被科研通管家采纳,获得10
10秒前
852的应助被科研通管家采纳,获得10
10秒前
英俊的铭的应助被科研通管家采纳,获得10
10秒前
大模型的应助被科研通管家采纳,获得10
10秒前
清辉影的应助被漫漫采纳,获得10
11秒前
coolru的应助被科研通管家采纳,获得10
11秒前
小蘑菇的应助被科研通管家采纳,获得10
11秒前
11秒前
Jun的应助被科研通管家采纳,获得20
11秒前
在荔栀阿完成签到 ,获得积分10
12秒前
12秒前
kgy发布了新的文献求助10
13秒前
科研通AI6.3的应助被6666采纳,获得100
13秒前
CipherSage的应助被xiao采纳,获得10
14秒前
14秒前
元宝团子完成签到 ,获得积分10
15秒前
15秒前
vegdog完成签到,获得积分10
15秒前
高分求助中
(应助此贴封号)【重要!!请各用户(尤其是新用户)详细阅读】【科研通的精品贴汇总】 10000
拉伸高分子熔体中缠结行为的模拟和小角中子散射研究 1700
The World Atlas of Wine 9th edition 1000
奈特基础组织学:配套组织病理学(第4版)(Netter's Essential Histology With Correlated Histopathology) 800
八旗制度の研究 600
Boundaries and Bodhisattvas 500
高分子基功能界面水蒸发材料与应用研究 500
热门求助领域 (近24小时)
化学 材料科学 医学 生物 纳米技术 计算机科学 工程类 有机化学 化学工程 生物化学 物理 复合材料 内科学 催化作用 光电子学 人工智能 细胞生物学 无机化学 物理化学 数学
热门帖子
关注 科研通微信公众号,转发送积分 8181888
求助须知:如何正确求助?哪些是违规求助? 9571628
关于积分的说明 21818887
捐赠科研通 7778145
什么是DOI,文献DOI怎么找? 3433528
关于科研通互助平台的介绍 2557710
邀请新用户注册赠送积分活动 2479621