TY-JOURA2-Yang、WenxianAU-Jimenez-Guarneros、MagdielAU-Grande-Barreto、JonasAU-Rangel-Magdaleno、Jose de JesusPY-2021DA-2021DA-2021/10/27TI-多级递增学习应用Explors和近中心分类SP-6627740VL-2021AB-通过电机系统操作及早发现故障事件是现代产业最有吸引力和最关键数据挑战之一虽然这些电机系统倾向于实验典型故障,但常见事件是操作期间可显示意外和未知故障然而,当前自动检测模型可以学习新故障,代价是忘记先前所学概念文章提供多级增量学习框架,基础为1D卷积神经网络,用于感应电机故障检测介绍框架处理忘记问题,存储从记忆中过去数据(已知故障)中提取的有代表性实例集1DCNN对所选实例集和新故障数据进行微调测试样本使用最近的croid分类器分类自1DCNN特征空间对两个公共数据集评价验证上传电机故障检测:异步电机常见故障和Case西部保留大学实验结果显示,拟议框架有效解决办法包括并检测已知新运动故障,在不同增量阶段高精性性能SN-1070-9622UR-https://doi.org/101155/20216627740DO-101155/20216627740JF-Shock and VibationPB-HindawiKW-ER-