基于深度神经网络关联规则的滚动轴承故障诊断研究

赵健岭; 刘素艳; 孙学浩; 苏哲; 马增强

doi:10.19713/j.cnki.43-1423/u.T20250791

您当前的位置：

首页 >

文章列表页 >

基于深度神经网络关联规则的滚动轴承故障诊断研究

工程诊所•工匠之家 | 更新时间：2026-04-04

- 基于深度神经网络关联规则的滚动轴承故障诊断研究
- Fault diagnosis of rolling bearings based on association rules of deep neural networks
- 铁道科学与工程学报 2026年23卷第3期页码：1484-1496
- 作者机构：
  
  1.石家庄铁道大学电气与电子工程学院，河北石家庄 050043
  2.石家庄铁道大学河北省交通电力网智能融合技术与装备协同创新中心，河北石家庄 050043
  3.省部共建交通工程结构力学行为与系统安全国家重点实验室，河北石家庄 050043
- 作者简介：
  
  刘素艳(1982—)，女，河北石家庄人，讲师，博士，从事基于数据驱动的滚动轴承故障诊断研究；E-mail：liusuyan@stdu.edu.cn
- 基金信息：
  
  国家自然科学基金资助项目(52205571)
- DOI：10.19713/j.cnki.43-1423/u.T20250791
  中图分类号： TH133.33
- 收稿：2025-05-22，
  
  纸质出版：2026-03-28
- 稿件说明：
移动端阅览
赵健岭,刘素艳,孙学浩等.基于深度神经网络关联规则的滚动轴承故障诊断研究[J].铁道科学与工程学报,2026,23(03):1484-1496.

ZHAO Jianling,LIU Suyan,SUN Xuehao,et al.Fault diagnosis of rolling bearings based on association rules of deep neural networks[J].Journal of Railway Science and Engineering,2026,23(03):1484-1496.
赵健岭,刘素艳,孙学浩等.基于深度神经网络关联规则的滚动轴承故障诊断研究[J].铁道科学与工程学报,2026,23(03):1484-1496. DOI： 10.19713/j.cnki.43-1423/u.T20250791.

ZHAO Jianling,LIU Suyan,SUN Xuehao,et al.Fault diagnosis of rolling bearings based on association rules of deep neural networks[J].Journal of Railway Science and Engineering,2026,23(03):1484-1496. DOI： 10.19713/j.cnki.43-1423/u.T20250791.

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于多源多尺度神经网络轴承故障诊断研究

基于自适应JMD分解和改进TimesNet网络的滚动轴承寿命预测

基于MIEC与MEAViT的滚动轴承故障诊断方法

改进D-S证据理论的高冲突多信息融合方法研究

基于赋权Apriori算法的新型列车运行控制系统故障定位方法

基于深度神经网络关联规则的滚动轴承故障诊断研究

Fault diagnosis of rolling bearings based on association rules of deep neural networks

DOI：10.19713/j.cnki.43-1423/u.T20250791