TY -的A2邵Haidong盟——楚Zhenyun AU - Ji,姗姗AU -王,金瑞AU -王,小雨盟——张Zongzhen盟——赵,雪峰盟——汉Baokun PY - 2021 DA - 2021/11/24 TI -可概括的样本分辨率增强方法,机械故障诊断基于ESPCN SP - 7496007六世- 2021 AB -数据增加已成为一个热点话题在机械领域的智能故障诊断。它可以扩展有限的训练数据集通过生成模拟样本,但是仍然没有有效的方法增加低分辨率的分辨率样本。在本文中,一个简单的算法,即有效的亚像素卷积神经网络(ESPCN),提出了解决这一缺陷。ESPCN模型对原始低分辨率数据执行安排操作通过亚像素层和输出的结果四通道multifeature地图。示例决议是增加到四倍比原始低分辨率样本。最后,生成高分辨率数据集被用来训练堆叠autoencoders (SAE)故障分类,和原始高分辨率数据集是用于测试。两例故障诊断与不同的样品尺寸和旋转速度设置模拟低分辨率情况下,和实验结果验证了该算法的可行性。SN - 1687 - 725 - 2021/7496007 / 10.1155 x你——https://doi.org/10.1155/2021/7496007——摩根富林明——《传感器PB - Hindawi KW - ER