在智能制造背景下， 大数据驱动的设备故障预测与健康管理日益受到各界重视。深度学习能够在层次结构的特征提取过程中发现更多的隐藏知识， 在领域自适应方面具有良好的数据适应性， 近年来逐渐成为设备故障预测与健康管理的研究热点， 并在设备故障诊断和预测中得到了广泛的应用。通过系统回顾近年来深度学习在设备故障预测与健康管理中应用， 总结、分类和解释关于这一热点主题的主要文献， 讨论了各种体系结构和相关理论。在此基础上， 阐述了深度学习在设备故障诊断和预测方面所取得的主要成果、面临的挑战、以及未来的发展趋势， 为设备故障预测与健康管理领域选择、设计或实现深度学习架构， 提供明确的方向。
2021-12-11 16:05:07
693KB
1
STM32F407ZET6为核心的多功能智能手环 实现心率图 螺旋仪数据 计步数据 血氧浓度与心率 时间 闹钟 秒表 等多功能的OLED显示，可通过按键与蓝牙进行操控 用到MAX30102血氧传感器 MPU6050螺旋仪 JDY31蓝牙模块
2021-12-11 09:05:03
122.58MB
1