Zeitschrift für Wirtschaftspolitik: Forschungskooperationen bei kritischen Technologien: Europas strategischer Balanceakt

Wolf, André

Forschungskooperationen bei kritischen Technologien: Europas strategischer Balanceakt / Wolf, André (Rights reserved)

Access restriction

Eingeschränkter Zugang mit Nutzungsbeschränkungen: Das Dokument ist in den Räumen der Zentral- und Landesbibliothek mit dem "Virtuellen Lesesaal der Landesbibliothek" auf allen Internet-Arbeitsplätzen zugreifbar, darf jedoch nicht kopiert, versendet oder in einem Umfang von mehr als 10% ausgedruckt werden. Weitere Informationen.

Copyright

Bibliographic data

fullscreen : Forschungskooperationen bei kritischen Technologien: Europas strategischer Balanceakt / Wolf, André (Rights reserved)

Access restriction

Eingeschränkter Zugang mit Nutzungsbeschränkungen: Das Dokument ist in den Räumen der Zentral- und Landesbibliothek mit dem "Virtuellen Lesesaal der Landesbibliothek" auf allen Internet-Arbeitsplätzen zugreifbar, darf jedoch nicht kopiert, versendet oder in einem Umfang von mehr als 10% ausgedruckt werden. Weitere Informationen.

Copyright

No licence for use has been granted - all rights reserved.

Periodical

Title:: Open physics

Publication:: Berlin: de Gruyter

Note:: Gesehen am 10.03.15; Open Access; Namensnennung - Nicht kommerziell - Keine Bearbeitungen 4.0 International

Scope:: Online-Ressource

ISSN:: 2391-5471

ZDB-ID:: 2814058-8

VÖBB-Katalog:: 35289214

Previous Title:: Central European journal of physics

Keywords:: Zeitschrift

Classification:: Naturwissenschaften

Collection:: Naturwissenschaften

Copyright:: Rights reserved

Accessibility:: Free Access

Title:: Open physics

Publication:: Berlin: de Gruyter

Note:: Gesehen am 10.03.15; Open Access; Namensnennung - Nicht kommerziell - Keine Bearbeitungen 4.0 International

Scope:: Online-Ressource

ISSN:: 2391-5471

ZDB-ID:: 2814058-8

VÖBB-Katalog:: 35289214

Previous Title:: Central European journal of physics

Keywords:: Zeitschrift

Classification:: Naturwissenschaften

Collection:: Naturwissenschaften

Copyright:: Rights reserved

Accessibility:: Free Access

Article

Author:: Wang, Rongcai; Dong, Enzhi; Cheng, Zhonghua; Liu, Zichang; Jia, Xisheng

Title:: Transformer-based intelligent fault diagnosis methods of mechanical equipment: A survey

Publication:: Berlin: de Gruyter, 2024

Language:: English

Information:: Abstract: Transformer is extensively employed in natural language processing, and computer vision (CV), with the self-attention structure. Due to its outstanding long-range dependency modeling and parallel computing capability, some leading researchers have recently attempted to apply Transformer to intelligent fault diagnosis tasks for mechanical equipment, and have achieved remarkable results. Physical phenomena such as changes in vibration, sound, and heat play a crucial role in the research of mechanical equipment fault diagnosis, which directly reflects the operational status and potential faults of mechanical equipment. Currently, intelligent fault diagnosis of mechanical equipment based on monitoring signals such as vibration, sound, and temperature using Transformer-based models remains a popular research topic. While some review literature has explored the related principles and application scenarios of Transformer, there is still a lack of research on its application in intelligent fault diagnosis tasks for mechanical equipment. Therefore, this work begins by examining the current research status of fault diagnosis methods for mechanical equipment. This study first provides a brief overview of the development history of Transformer, outlines its basic structure and principles, and analyzes the characteristics and advantages of its model structure. Next it focuses on three model variants of Transformer that have generated a significant impact in the field of CV. Following that, the research progress and current challenges of Transformer-based intelligent fault diagnosis methods for mechanical equipment are discussed. Finally, the future development direction of Transformer in the field of mechanical equipment fault diagnosis is proposed.

Scope:: Online-Ressource

Note:: Open Access; Archivierung/Langzeitarchivierung gewährleistet

Keywords:: Transformer ; deep learning ; mechanical equipment ; computer vision ; intelligent fault diagnosis

Classification:: Naturwissenschaften; Sonstiges

URN:: urn:nbn:de:101:1-2405111535553.186345854686

Collection:: Naturwissenschaften; Sonstiges

Copyright:: CC BY

Accessibility:: Free Access

Author:: Wang, Rongcai; Dong, Enzhi; Cheng, Zhonghua; Liu, Zichang; Jia, Xisheng

Title:: Transformer-based intelligent fault diagnosis methods of mechanical equipment: A survey

Publication:: Berlin: de Gruyter, 2024

Language:: English

Information:: Abstract: Transformer is extensively employed in natural language processing, and computer vision (CV), with the self-attention structure. Due to its outstanding long-range dependency modeling and parallel computing capability, some leading researchers have recently attempted to apply Transformer to intelligent fault diagnosis tasks for mechanical equipment, and have achieved remarkable results. Physical phenomena such as changes in vibration, sound, and heat play a crucial role in the research of mechanical equipment fault diagnosis, which directly reflects the operational status and potential faults of mechanical equipment. Currently, intelligent fault diagnosis of mechanical equipment based on monitoring signals such as vibration, sound, and temperature using Transformer-based models remains a popular research topic. While some review literature has explored the related principles and application scenarios of Transformer, there is still a lack of research on its application in intelligent fault diagnosis tasks for mechanical equipment. Therefore, this work begins by examining the current research status of fault diagnosis methods for mechanical equipment. This study first provides a brief overview of the development history of Transformer, outlines its basic structure and principles, and analyzes the characteristics and advantages of its model structure. Next it focuses on three model variants of Transformer that have generated a significant impact in the field of CV. Following that, the research progress and current challenges of Transformer-based intelligent fault diagnosis methods for mechanical equipment are discussed. Finally, the future development direction of Transformer in the field of mechanical equipment fault diagnosis is proposed.

Scope:: Online-Ressource

Note:: Open Access; Archivierung/Langzeitarchivierung gewährleistet

Keywords:: Transformer ; deep learning ; mechanical equipment ; computer vision ; intelligent fault diagnosis

Classification:: Naturwissenschaften; Sonstiges

URN:: urn:nbn:de:101:1-2405111535553.186345854686

Collection:: Naturwissenschaften; Sonstiges

Copyright:: CC BY

Accessibility:: Free Access

Full text

Diese Stuben dürfen keine Küchen erhalten und unter⸗
liegen gleichfalls den Bestimmungen über die zu dauerndem
Aufenthalt von Menschen bestimmten Räume.
Bei dieser weiteren Ausnutzung des Keller- o der Dach—
geschosses wird die bebauungsfähige Grundstücksfläche —
Ziffer 1I — um den vierten Teil und im Falle der Aus—
nutzung des Keller- und Dachgeschosses (Absatz 1 und 2)
um die Hälfte der Fäche der zum dauernden Aufentbalt
von Menschen eingerichteten Raͤume beschränkt.
Bezüglich des Ausbaues der nach Ziffer 6 zugelassenen oberen
Hauptgeschosse als Dachgeschosse vergleiche 8 18 Ae 3.
Im übrigen ist die Einrichtung von Räumen zum dauernden
Aufenthalt von Menschen in Kellergeschossen verboten.

871
Bauktaenn
1. Es dürfen höchstens / 00 bei Eckgrundstücken (8 14 Ziffer 3)
und bei Grundstücken von nicht mehr als 20 mm Tiefe höchstens 0/00
der Baugrundfstücke (5 12 Ziffer 1) bebaut werden.
2. Die Bebauung muß durch Höfe von mindestens 60 qm, auf
den vorbezeichneten Eckgrundstücken von mindestens 50 qm Grund—
fläche, deren geringste Abmcssung 6m beträgt, derart unterbrochen
werden, daß die Gebäudet WMo⸗ac eine Tiefe von 18 mm nicht
überschreiten.
3. Die Höhe der Gebäude darf unbeschadet der Vorschriften in
—15 das Maß von 1811ñ nicht überschreiten.
4. Bewohnte Gebäude dürfen, abgesehen vom Dachgeschoß und
vom Kellergeschoß — Nebengeschossen — „ mehr als 4 Geschosse
Hauptgeschosse — erhalten.
5. a) Außer den durch Ziffer 4 zugelassenen 4 Hauptgeschossen
dürfen im Kellergeschoß Räume zum dauernden Aufenthalt
von Menschen in einer Gesamtfläche von 60 qm und nur
zu einer selbständigen Wohnung eingerichtet werden, wenn
dei den uͤbrige Räumen, die nicht zu dauerndem Auf⸗
enthalt von Menschen benutzt werden dürfen, nach deren
Lage, Ausbau und Ausstattung eine Ausnutzung zu diesem
Zwecke ausgeschlossen ist.
AMußerdem dürfen im Dachgeschoß Gesindestuben bis zu
einem Viertel der Gebäudefläche, höchstens aber 60 am
eingerichtet werden.
Diese Stuben dürfen keine Küchen erhalten und unter—
liegen gleichfalls den Bestimmungen über die zu dauerndem
Aufenthalt von Menschen bestimmten Räume.
Bei dieser weiteren Ausnutzung des Keller- o der Dach—
geschossesßs wird die bebauungsfähige Grundstücksfläche —

rot.

Access restriction

Copyright

Periodical

Article

Table of contents

Downloads

Full record

This page

Image fragment

Formats and links

Links

Cite

Full record

This page

Citation recommendation