使用深度学习进行预测性维护
用预测性维护应用扩展深度学习工作流程
通过使用深度学习工具箱™和预测性维护工具箱™，将深度学习应用到预测性维护中。您可以训练深度神经网络执行各种预测性维护任务，例如故障检测和剩余使用寿命估计。
主题
- 使用条件GAN生成合成信号
使用条件生成对抗网络生成用于模型训练的合成数据。
- 基于深度学习的化工过程故障检测
利用模拟数据训练神经网络，以检测化工过程中的故障。
- 基于深度学习的滚动轴承故障诊断
这个例子展示了如何使用深度学习方法对滚动轴承进行故障诊断。
- 利用卷积神经网络估计剩余使用寿命
这个例子展示了如何使用深度卷积神经网络(CNN)预测发动机的RUL。
- 基于三轴振动数据的工业机械异常检测
利用机器学习和深度学习检测工业机器振动数据的异常。
- 利用深度学习预测电池周期寿命
通过训练深度神经网络预测快速充电锂离子电池的剩余循环寿命。
您也可以从以下列表中选择网站: