期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
3
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于MTF-SPCNN的小样本滚动轴承变工况故障诊断方法
被引量：
1
1
作者
焦孟萱
雷春丽
+3 位作者
马淑珍
薛林林
史佳硕
李建华
《北京航空航天大学学报》
EI
CAS
CSCD
北大核心
2024年第12期3696-3708,共13页
针对滚动轴承运行工况复杂及样本不足导致故障诊断精度较低的问题,提出一种基于马尔可夫转移场(MTF)与条纹池化卷积神经网络(SPCNN)的小样本滚动轴承变工况故障诊断方法。采用MTF将一维轴承信号转变为具有时间关联性的二维图像;提出条...
针对滚动轴承运行工况复杂及样本不足导致故障诊断精度较低的问题,提出一种基于马尔可夫转移场(MTF)与条纹池化卷积神经网络(SPCNN)的小样本滚动轴承变工况故障诊断方法。采用MTF将一维轴承信号转变为具有时间关联性的二维图像;提出条纹池化模块(SPM)并将其引入到网络中,不仅可以加强模型在长距离方向信息的捕捉能力,还可以有效提取远程空间特征;在最大池化层前添加SE注意力机制,增加有用信息的权重,提高模型训练速度,构建MTFSPCNN模型;将MTF图像输入到MTF-SPCNN网络中进行训练,得到故障分类结果。运用美国凯斯西储大学及实验室滚动轴承MFS数据集验证所提方法在小样本变负载和变转速时的诊断效果,并对MFS数据集进行加噪处理,与其他智能算法进行对比,实验结果表明,所提方法具有更高的故障分类准确率、更强的泛化性能和抗干扰性能。
展开更多
关键词
滚动轴承
故障诊断
马尔可夫转移场
条纹池化
卷积神经网络
小样本
在线阅读
下载PDF
职称材料
基于MTF-CNN的滚动轴承故障诊断方法
被引量：
32
2
作者
雷春丽
夏奔锋
+2 位作者
薛林林
焦孟萱
张护强
《振动与冲击》
EI
CSCD
北大核心
2022年第9期151-158,共8页
针对传统故障诊断方法在滚动轴承实际工况复杂多变、数据集较小时对轴承故障诊断识别准确率较低的问题,提出了MTF-CNN滚动轴承故障诊断模型。首先采用马尔科夫转移场(MTF)编码方式将原始一维振动信号转化为具有时间相关性的二维特征图像...
针对传统故障诊断方法在滚动轴承实际工况复杂多变、数据集较小时对轴承故障诊断识别准确率较低的问题,提出了MTF-CNN滚动轴承故障诊断模型。首先采用马尔科夫转移场(MTF)编码方式将原始一维振动信号转化为具有时间相关性的二维特征图像,然后将特征图作为卷积神经网络(CNN)的输入进行自动特征提取和故障诊断,最后实现对不同故障类型的分类。为了验证所提方法的有效性和优越性,选用凯斯西储大学滚动轴承数据进行试验验证,并在负载改变时和不同数据集规模下对所提出方法的泛化性能进行测试,同时与传统智能算法进行对比分析。结果表明,相较于其他常用的故障诊断方法,所提出模型在数据集较小、负载改变的环境下对滚动轴承故障诊断具有更好的泛化性能和识别效果。
展开更多
关键词
故障诊断
滚动轴承
马尔科夫转移场(MTF)
卷积神经网络(CNN)
在线阅读
下载PDF
职称材料
结合改进ResNet与迁移学习的风力机滚动轴承故障诊断方法
被引量：
10
3
作者
雷春丽
薛林林
+2 位作者
焦孟萱
张护强
史佳硕
《太阳能学报》
EI
CAS
CSCD
北大核心
2023年第6期436-444,共9页
为解决实际应用中风力机滚动轴承故障训练样本严重不足的问题,提出一种基于改进残差神经网络与迁移学习的小样本滚动轴承故障诊断模型。首先,该模型将挤压与激励网络嵌入到一维残差神经网络中,增加了模型的特征提取能力;其次,使用源域...
为解决实际应用中风力机滚动轴承故障训练样本严重不足的问题,提出一种基于改进残差神经网络与迁移学习的小样本滚动轴承故障诊断模型。首先,该模型将挤压与激励网络嵌入到一维残差神经网络中,增加了模型的特征提取能力;其次,使用源域数据对所搭建改进残差神经网络模型进行训练,确定结构和参数,并使用L2正则化和Dropout机制抑制过拟合;然后,引入迁移学习,冻结使用源域数据训练好的部分模型参数,使用少量目标域数据对模型的全连接层参数进行微调;最后,对不同故障的样本进行分类。该方法在凯斯西储大学轴承数据集和本实验室轴承数据集上进行实验验证,实验结果表明:在不同实验条件下,所提方法与其他方法的计算结果进行比较,其均有更高的故障诊断准确度和更强的泛化能力。
展开更多
关键词
风力机
滚动轴承
故障诊断
迁移学习
挤压与激励网络
小样本
在线阅读
下载PDF
职称材料
题名
基于MTF-SPCNN的小样本滚动轴承变工况故障诊断方法
被引量：
1
1
作者
焦孟萱
雷春丽
马淑珍
薛林林
史佳硕
李建华
机构
兰州理工大学机电工程学院
云南文山铝业有限公司
出处
《北京航空航天大学学报》
EI
CAS
CSCD
北大核心
2024年第12期3696-3708,共13页
基金
国家自然科学基金(51465035)
甘肃省自然科学基金(20JR5RA466)。
文摘
针对滚动轴承运行工况复杂及样本不足导致故障诊断精度较低的问题,提出一种基于马尔可夫转移场(MTF)与条纹池化卷积神经网络(SPCNN)的小样本滚动轴承变工况故障诊断方法。采用MTF将一维轴承信号转变为具有时间关联性的二维图像;提出条纹池化模块(SPM)并将其引入到网络中,不仅可以加强模型在长距离方向信息的捕捉能力,还可以有效提取远程空间特征;在最大池化层前添加SE注意力机制,增加有用信息的权重,提高模型训练速度,构建MTFSPCNN模型;将MTF图像输入到MTF-SPCNN网络中进行训练,得到故障分类结果。运用美国凯斯西储大学及实验室滚动轴承MFS数据集验证所提方法在小样本变负载和变转速时的诊断效果,并对MFS数据集进行加噪处理,与其他智能算法进行对比,实验结果表明,所提方法具有更高的故障分类准确率、更强的泛化性能和抗干扰性能。
关键词
滚动轴承
故障诊断
马尔可夫转移场
条纹池化
卷积神经网络
小样本
Keywords
rolling bearing
fault diagnosis
Markov transition field
stripe pooling
convolutional neural network
small sample
分类号
TH133.33 [机械工程—机械制造及自动化]
在线阅读
下载PDF
职称材料
题名
基于MTF-CNN的滚动轴承故障诊断方法
被引量：
32
2
作者
雷春丽
夏奔锋
薛林林
焦孟萱
张护强
机构
兰州理工大学机电工程学院
兰州理工大学数字制造技术与应用省部共建教育部重点实验室
出处
《振动与冲击》
EI
CSCD
北大核心
2022年第9期151-158,共8页
基金
国家重点研发计划(2018YFB1703105)
国家自然科学基金(51465035)
甘肃省自然科学基金(20JR5RA466)。
文摘
针对传统故障诊断方法在滚动轴承实际工况复杂多变、数据集较小时对轴承故障诊断识别准确率较低的问题,提出了MTF-CNN滚动轴承故障诊断模型。首先采用马尔科夫转移场(MTF)编码方式将原始一维振动信号转化为具有时间相关性的二维特征图像,然后将特征图作为卷积神经网络(CNN)的输入进行自动特征提取和故障诊断,最后实现对不同故障类型的分类。为了验证所提方法的有效性和优越性,选用凯斯西储大学滚动轴承数据进行试验验证,并在负载改变时和不同数据集规模下对所提出方法的泛化性能进行测试,同时与传统智能算法进行对比分析。结果表明,相较于其他常用的故障诊断方法,所提出模型在数据集较小、负载改变的环境下对滚动轴承故障诊断具有更好的泛化性能和识别效果。
关键词
故障诊断
滚动轴承
马尔科夫转移场(MTF)
卷积神经网络(CNN)
Keywords
fault diagnosis
rolling bearing
Markov transition field(MTF)
convolution neural network(CNN)
分类号
TH133.33 [机械工程—机械制造及自动化]
在线阅读
下载PDF
职称材料
题名
结合改进ResNet与迁移学习的风力机滚动轴承故障诊断方法
被引量：
10
3
作者
雷春丽
薛林林
焦孟萱
张护强
史佳硕
机构
兰州理工大学机电工程学院
兰州理工大学数字制造技术与应用省部共建教育部重点实验室
出处
《太阳能学报》
EI
CAS
CSCD
北大核心
2023年第6期436-444,共9页
基金
国家自然科学基金(51465035)
甘肃省自然科学基金(20JR5RA466)。
文摘
为解决实际应用中风力机滚动轴承故障训练样本严重不足的问题,提出一种基于改进残差神经网络与迁移学习的小样本滚动轴承故障诊断模型。首先,该模型将挤压与激励网络嵌入到一维残差神经网络中,增加了模型的特征提取能力;其次,使用源域数据对所搭建改进残差神经网络模型进行训练,确定结构和参数,并使用L2正则化和Dropout机制抑制过拟合;然后,引入迁移学习,冻结使用源域数据训练好的部分模型参数,使用少量目标域数据对模型的全连接层参数进行微调;最后,对不同故障的样本进行分类。该方法在凯斯西储大学轴承数据集和本实验室轴承数据集上进行实验验证,实验结果表明:在不同实验条件下,所提方法与其他方法的计算结果进行比较,其均有更高的故障诊断准确度和更强的泛化能力。
关键词
风力机
滚动轴承
故障诊断
迁移学习
挤压与激励网络
小样本
Keywords
wind turbines
rolling bearings
fault diagnosis
transfer learning
squeeze-and-excitation networks
small sample
分类号
TH133.33 [机械工程—机械制造及自动化]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于MTF-SPCNN的小样本滚动轴承变工况故障诊断方法
焦孟萱
雷春丽
马淑珍
薛林林
史佳硕
李建华
《北京航空航天大学学报》
EI
CAS
CSCD
北大核心
2024
1
在线阅读
下载PDF
职称材料
2
基于MTF-CNN的滚动轴承故障诊断方法
雷春丽
夏奔锋
薛林林
焦孟萱
张护强
《振动与冲击》
EI
CSCD
北大核心
2022
32
在线阅读
下载PDF
职称材料
3
结合改进ResNet与迁移学习的风力机滚动轴承故障诊断方法
雷春丽
薛林林
焦孟萱
张护强
史佳硕
《太阳能学报》
EI
CAS
CSCD
北大核心
2023
10
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
