检索结果-维普期刊中文期刊服务平台

基于多尺度注意力小波原型网络的滚动轴承故障诊断方法: 1; 作者吕路辉亚森江·加入拉 +4 位作者何超肖杨崔鹏飞高天王文昊《机床与液压》北大核心 2025年第19期17-26,共10页; 针对小样本条件下故障数据稀缺以及滚动轴承振动信号易受噪声干扰等问题,提出一种基于多尺度注意力小波原型网络(MAWPN)的滚动轴承故障诊断方法。设计多尺度注意力小波卷积模块,以提取丰富特征,并通过注意力机制自适应调整通道特征权重... 展开更多; 关键词故障诊断滚动轴承连续小波卷积原型网络小样本学习注意力机制; 在线阅读下载PDF 职称材料

特征降维下基于LSSA-SVM的转子系统故障诊断模型: 2; 作者史宗帅亚森江·加入拉 +1 位作者崔鹏飞靳鹏飞《机电工程》北大核心 2025年第3期463-471,500,共10页; 针对有噪声环境下轴承转子系统的故障特征难以有效提取,且转子系统故障诊断的准确率较低的问题,提出了一种基于Levy飞行策略改进的麻雀搜索算法(LSSA)优化支持向量机(SVM),结合主成分分析(PCA)特征降维的转子故障诊断方法(模型)。首先,... 展开更多; 关键词轴承故障诊断莱维飞行改进的麻雀搜索算法支持向量机主成分分析主成分分析特征降维小波阈值函数去噪; 在线阅读下载PDF 职称材料

基于元学习聚合分类器的流程工业故障诊断被引量：2: 3; 作者崔鹏飞亚森江·加入拉 +1 位作者许晨星史宗帅《制造技术与机床》北大核心 2024年第5期27-34,共8页; 针对基于多元统计分析和深度学习的故障诊断方法需要大量的训练样本,但当前流程工业具有故障样本不足等特点,文章提出了一种模型无关的聚合分类器元学习框架(MAACML)。首先,该框架将模型无关的元学习与卷积神经网络相结合并引入一种聚... 展开更多; 关键词流程工业元学习模型无关的元学习卷积神经网络故障诊断; 在线阅读下载PDF 职称材料

基于DSC-DenseNet的流程工业系统故障监测: 4; 作者汪凯亚森江·加入拉《机床与液压》北大核心 2024年第7期226-230,共5页; 田纳西-伊士曼过程数据高纬度、高耦合,存在数据特征难以提取的问题。为进一步提高流程工业系统中故障监测的识别率,现将一维稠密卷积网络(1D-DenseNet)与深度可分离卷积(DSC)结合,利用DenseNet的高效特征提取能力,并结合DSC减少计算参... 展开更多; 关键词稠密连接网络深度可分离卷积故障诊断田纳西伊士曼过程; 在线阅读下载PDF 职称材料

基于MTFSK-CapsNet的滚动轴承故障诊断研究: 5; 作者肖杨亚森江·加入拉 +1 位作者汪凯崔鹏飞《机床与液压》北大核心 2024年第21期206-215,共10页; 针对一维滚动轴承振动信号输入神经网络无法保留原始振动信号的时域信息、易受强噪声干扰和胶囊网络分类精度不高的问题,提出一种基于MTFSK-CapsNet滚动轴承故障诊断方法。构建基于马尔可夫变换场和改进胶囊网络的轴承故障诊断模型,利用... 展开更多; 关键词故障诊断马尔可夫变换场胶囊网络选择核网络; 在线阅读下载PDF 职称材料

复杂机电系统核熵判别分析的异常分类方法: 6; 作者亚森江·加入拉高建民 +1 位作者高智勇姜洪权《机械设计与制造》北大核心 2019年第8期8-11,共4页; 为了解决复杂机电系统的海量数据的复杂性和动态性,以及对故障类型快速而有效地进行分类,提出一种基于信息熵的核熵判别分析-KEDA方法。首先,引入了信息熵的观点以便排除信息冗余后剩余的平均信息量能够保证异常模式的有效分类。其次,... 展开更多; 关键词复杂机电系统核熵判别分析异常模式分类 TE过程数据; 在线阅读下载PDF 职称材料

题名基于多尺度注意力小波原型网络的滚动轴承故障诊断方法: 1; 作者吕路辉亚森江·加入拉何超肖杨崔鹏飞高天王文昊; 机构新疆大学智能制造现代产业学院(机械工程学院); 出处《机床与液压》北大核心 2025年第19期17-26,共10页; 基金国家自然科学基金地区科学基金项目(52065065) 新疆维吾尔自治区重点研发计划项目(2023B01027-2)。; 文摘针对小样本条件下故障数据稀缺以及滚动轴承振动信号易受噪声干扰等问题,提出一种基于多尺度注意力小波原型网络(MAWPN)的滚动轴承故障诊断方法。设计多尺度注意力小波卷积模块,以提取丰富特征,并通过注意力机制自适应调整通道特征权重,增强模型对重要特征的关注,生成鲜明的原型,从而提升识别精度。通过计算查询集样本与各类别原型之间的距离,选择距离最小的类别作为查询样本的预测类别。最后,采用机械故障模拟器轴承数据集与凯斯西储大学轴承数据集进行验证。结果表明:该方法在小样本条件下具有较高的识别精度和良好的泛化性能,同时在抗噪声能力方面表现优秀。; 关键词故障诊断滚动轴承连续小波卷积原型网络小样本学习注意力机制; Keywords fault diagnosis rolling bearing continuous wavelet convolution prototypical network few-shot learning attention mechanism; 分类号 TQ02 [化学工程] TP183 [自动化与计算机技术—控制理论与控制工程]; 在线阅读下载PDF 职称材料

题名特征降维下基于LSSA-SVM的转子系统故障诊断模型: 2; 作者史宗帅亚森江·加入拉崔鹏飞靳鹏飞; 机构新疆大学机械工程学院; 出处《机电工程》北大核心 2025年第3期463-471,500,共10页; 基金国家自然科学基金资助项目(52065065) 国家教育部博士点基金资助项目(2019690007)。; 文摘针对有噪声环境下轴承转子系统的故障特征难以有效提取,且转子系统故障诊断的准确率较低的问题,提出了一种基于Levy飞行策略改进的麻雀搜索算法(LSSA)优化支持向量机(SVM),结合主成分分析(PCA)特征降维的转子故障诊断方法(模型)。首先,采用小波分析技术对原始的转子振动信号进行了去噪处理,通过提取信号的时域特征以精确表征不同的转子故障状态,确保了该特征在噪声干扰下仍能清晰反映故障模式;然后,采用PCA对所提取的高维特征进行了降维处理,有效减少了冗余信息和噪声干扰,保留了最具代表性的关键特征,从而提高了特征提取的效率与诊断的可靠性;最后,设计了Levy飞行策略,对SSA进行了改进,得到了改进后的麻雀搜索算法(LSSA),以优化SVM的参数选择,进一步提升了分类器的泛化能力,利用改进的算法增强了该模型在复杂、有噪声环境下的诊断性能。研究结果表明:通过在多个含噪声的转子故障数据集上进行实验,该方法的故障诊断准确率达到了98.5%,相较于传统诊断方法,其具有更强的鲁棒性和较高的诊断精度,特别是在有噪环境中的优势更为明显。该方法有效解决了噪声干扰对故障诊断精度的影响问题,显著提高了转子故障诊断的准确性和稳定性,为实际工程中的转子故障诊断提供了一种有效的解决方案。; 关键词轴承故障诊断莱维飞行改进的麻雀搜索算法支持向量机主成分分析主成分分析特征降维小波阈值函数去噪; Keywords rolling fault diagnosis Levy flies improved sparrow search algorithm(SSA) support vector machine(SVM) principal component analysis(PCA) PCA feature dimensionality reduction wavelet threshold function denoising; 分类号 TH133.3 [机械工程—机械制造及自动化]; 在线阅读下载PDF 职称材料

题名基于元学习聚合分类器的流程工业故障诊断被引量：2: 3; 作者崔鹏飞亚森江·加入拉许晨星史宗帅; 机构新疆大学机械工程学院; 出处《制造技术与机床》北大核心 2024年第5期27-34,共8页; 基金国家自然科学基金项目(52065065) 新疆大学博士科研启动基金(BS190216)。; 文摘针对基于多元统计分析和深度学习的故障诊断方法需要大量的训练样本,但当前流程工业具有故障样本不足等特点,文章提出了一种模型无关的聚合分类器元学习框架(MAACML)。首先,该框架将模型无关的元学习与卷积神经网络相结合并引入一种聚合分类器来提高模型的分类准确率和泛化能力;然后,对田纳西伊士曼仿真数据集进行仿真实验验证模型的性能;最终,为了验证模型在实际数据集上的效果,在实际压缩机组数据集进行验证。研究结果表明:MAACML框架具有较高的平均准确率优于其他方法,且具有良好的泛化能力;并且引入的聚合分类器模块对分类结果有明显提升作用;在实际数据集上的分类准确率达到100%,证明了MACCML框架的实用性和有效性。; 关键词流程工业元学习模型无关的元学习卷积神经网络故障诊断; Keywords process industry meta learning model-agnostic meta-learning convolutional neural network fault diagnosis; 分类号 TP183 [自动化与计算机技术—控制理论与控制工程]; 在线阅读下载PDF 职称材料

题名基于DSC-DenseNet的流程工业系统故障监测: 4; 作者汪凯亚森江·加入拉; 机构新疆大学机械工程学院; 出处《机床与液压》北大核心 2024年第7期226-230,共5页; 基金国家自然科学基金项目(52065065) 新疆维吾尔自治区重点研发计划项目(2023B01027-2)。; 文摘田纳西-伊士曼过程数据高纬度、高耦合,存在数据特征难以提取的问题。为进一步提高流程工业系统中故障监测的识别率,现将一维稠密卷积网络(1D-DenseNet)与深度可分离卷积(DSC)结合,利用DenseNet的高效特征提取能力,并结合DSC减少计算参数、提高诊断效率,以提供基于DSC-DenseNet的故障监测方式。先将数据进行归一化整理,并加入随机种子避免过拟合,随后将处理后的结果作为DSC-DenseNet的输入进行特征提取,然后将输出结果传入全连接层进行故障分类;最后在TEP数据集上进行准确率测试。结果证明:基于DSC-DenseNet的方法能有效分辨故障类型,故障分类准确率达到98.8%。并证明DSC-DenseNet比传统DenseNet有更好的故障识别效果。; 关键词稠密连接网络深度可分离卷积故障诊断田纳西伊士曼过程; Keywords densely connected convolution network deeply separable convolution fault diagnosis Tennessee Eastman process; 分类号 TQ02 [化学工程] TP183 [自动化与计算机技术—控制理论与控制工程]; 在线阅读下载PDF 职称材料

题名基于MTFSK-CapsNet的滚动轴承故障诊断研究: 5; 作者肖杨亚森江·加入拉汪凯崔鹏飞; 机构新疆大学智能制造现代产业学院(机械工程学院); 出处《机床与液压》北大核心 2024年第21期206-215,共10页; 基金国家自然科学基金地区科学基金项目(52065065 72361032)。; 文摘针对一维滚动轴承振动信号输入神经网络无法保留原始振动信号的时域信息、易受强噪声干扰和胶囊网络分类精度不高的问题,提出一种基于MTFSK-CapsNet滚动轴承故障诊断方法。构建基于马尔可夫变换场和改进胶囊网络的轴承故障诊断模型,利用MTF对原始振动信号进行重新编码,保留振动信号的时频序列。通过改进后具有更强特征提取能力的选择核网络进行初步特征提取。引入改进后的胶囊网络进行特征集合的二次提取,并使用Softmax分类器完成对故障特征的分类。最后,为了验证模型的性能,在凯斯西储大学和实验室轴承数据集上进行了测试。结果表明:该方法在两个轴承数据集上都具有较高的准确率,证明该模型具有较好的泛化能力和抗噪能力。; 关键词故障诊断马尔可夫变换场胶囊网络选择核网络; Keywords fault diagnosis Markov transform field capsule network selective kernel network; 分类号 TH113.1 [机械工程—机械设计及理论] TH133.3 [机械工程—机械制造及自动化]; 在线阅读下载PDF 职称材料

题名复杂机电系统核熵判别分析的异常分类方法: 6; 作者亚森江·加入拉高建民高智勇姜洪权; 机构新疆大学机械工程学院西安交通大学机械制造系统工程国家重点实验室; 出处《机械设计与制造》北大核心 2019年第8期8-11,共4页; 基金国家自然科学基金资助项目(51175402,51375375) 西安交通大学机械制造系统工程国家重点实验室开放课题(sklms2015009); 文摘为了解决复杂机电系统的海量数据的复杂性和动态性,以及对故障类型快速而有效地进行分类,提出一种基于信息熵的核熵判别分析-KEDA方法。首先,引入了信息熵的观点以便排除信息冗余后剩余的平均信息量能够保证异常模式的有效分类。其次,利用核熵成分分析对数据进行非线性映射和降维,为此确定基于熵的参数选取方法计算和KEDA算法步骤。从而在降维后的空间进行分类。最后,结合TE过程数据集对算法效果进行验证。通过仿真实验得知,提出的KEDA方法的识别率85%以上,表明KEDA方法比其他方法的有效性和优越性,具有一定的应用价值。; 关键词复杂机电系统核熵判别分析异常模式分类 TE过程数据; Keywords Complex Electromechanical Systems Nuclear Entropy Discriminant Analysis Abnormal Pattern Classification TE Process Data; 分类号 TH16 [机械工程—机械制造及自动化] TH17 [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	基于多尺度注意力小波原型网络的滚动轴承故障诊断方法	吕路辉亚森江·加入拉何超肖杨崔鹏飞高天王文昊	《机床与液压》北大核心	2025	0	在线阅读下载PDF 职称材料
2	特征降维下基于LSSA-SVM的转子系统故障诊断模型	史宗帅亚森江·加入拉崔鹏飞靳鹏飞	《机电工程》北大核心	2025	0	在线阅读下载PDF 职称材料
3	基于元学习聚合分类器的流程工业故障诊断	崔鹏飞亚森江·加入拉许晨星史宗帅	《制造技术与机床》北大核心	2024	2	在线阅读下载PDF 职称材料
4	基于DSC-DenseNet的流程工业系统故障监测	汪凯亚森江·加入拉	《机床与液压》北大核心	2024	0	在线阅读下载PDF 职称材料
5	基于MTFSK-CapsNet的滚动轴承故障诊断研究	肖杨亚森江·加入拉汪凯崔鹏飞	《机床与液压》北大核心	2024	0	在线阅读下载PDF 职称材料
6	复杂机电系统核熵判别分析的异常分类方法	亚森江·加入拉高建民高智勇姜洪权	《机械设计与制造》北大核心	2019	0	在线阅读下载PDF 职称材料