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
基于深度残差收缩网络的滚动轴承故障诊断
被引量：
18
1
作者
车畅畅
王华伟
+1 位作者
倪晓梅
蔺瑞管
《北京航空航天大学学报》
EI
CAS
CSCD
北大核心
2021年第7期1399-1406,共8页
滚动轴承的准确故障诊断是确保机械设备安全可靠运行的必要手段。针对多故障、长时间序列的滚动轴承振动信号,提出了一种基于深度残差收缩网络(DRSN)模型的故障诊断方法。首先,根据采集到的滚动轴承数据构造故障样本,针对多种故障类型...
滚动轴承的准确故障诊断是确保机械设备安全可靠运行的必要手段。针对多故障、长时间序列的滚动轴承振动信号,提出了一种基于深度残差收缩网络(DRSN)模型的故障诊断方法。首先,根据采集到的滚动轴承数据构造故障样本,针对多种故障类型下的长时间序列的振动信号,按照一定尺寸将长时间序列矩阵化,构成多故障类型的灰度图故障样本。从正常到故障的滚动轴承性能退化过程,通过多个采样点的随机采样,构造全寿命周期的故障样本用于故障诊断。其次,在多层深度学习模型基础上,将残差收缩网络模块加入到卷积神经网络(CNN)中构建深度残差收缩网络模型用于故障诊断,其中通过将残差项加入到网络中训练解决了多层网络模型的模型退化问题,利用软阈值化实现了样本降噪。最后,为了验证所提方法的有效性,采集了滚动轴承的多故障时间序列样本和全寿命周期故障样本用于故障诊断。实例验证的结果表明:所提深度残差收缩网络模型在处理含噪声样本时仍具有良好的鲁棒性,多层网络模型下没有明显的网络退化,能够保持较高的故障诊断正确率。在处理2种轴承故障数据集时,与其他模型相比,所提方法训练误差更低,平均故障诊断正确率提高1%~6%。
展开更多
关键词
滚动轴承
故障诊断
深度残差收缩网络(DRSN)
卷积神经网络(CNN)
软阈值化
在线阅读
下载PDF
职称材料
基于GSP仿真和SDAE的航空发动机故障诊断
被引量：
7
2
作者
车畅畅
王华伟
+1 位作者
倪晓梅
蔺瑞管
《航空发动机》
北大核心
2022年第1期13-18,共6页
为了深入研究航空发动机故障机理,提出基于航空燃气涡轮发动机性能仿真软件(GSP)和堆栈降噪自编码器(SDAE)的航空发动机故障诊断方法。通过GSP性能仿真方法模拟发动机在不同设计参数下的部件故障,并得到对应的运行状态参数;从每种故障...
为了深入研究航空发动机故障机理,提出基于航空燃气涡轮发动机性能仿真软件(GSP)和堆栈降噪自编码器(SDAE)的航空发动机故障诊断方法。通过GSP性能仿真方法模拟发动机在不同设计参数下的部件故障,并得到对应的运行状态参数;从每种故障类型下的长时间序列的状态参数中提取出向量化的曲线特征,构成故障样本;将故障样本带入SDAE模型中进行深度特征提取,经过前向传播和反向微调得到训练好的模型用于发动机故障诊断。结果表明:GSP能够通过参数更改来模拟微弱故障下的状态参数,从而构建多故障样本集;SDAE的重构误差和反向传播误差能够快速收敛到较小值,SDAE的故障诊断正确率为99.5%;与深度信念网络(DBN)、人工神经网络(ANN)以及经典机器学习方法支持向量机(SVM)相比,SDAE的故障分类正确率分别提高了0.8%、6.9%和10.1%。
展开更多
关键词
燃气涡轮发动机性能仿真软件
堆栈降噪自编码器
故障诊断
航空发动机
在线阅读
下载PDF
职称材料
基于SOM和关联规则的民机运行风险
3
作者
熊明兰
王华伟
+1 位作者
倪晓梅
蔺瑞管
《北京航空航天大学学报》
EI
CAS
CSCD
北大核心
2022年第11期2325-2334,共10页
为充分认知民机风险,实现从事故中学习,以重大民机事故(MCAA)为研究对象挖掘出事故深层次的致因特征。针对MCAA信息具有可读性差,系统行为具有非线性导致的无法直接获取运行风险信息,难以直接建立事故致因的关联与映射关系,提出一种从M...
为充分认知民机风险,实现从事故中学习,以重大民机事故(MCAA)为研究对象挖掘出事故深层次的致因特征。针对MCAA信息具有可读性差,系统行为具有非线性导致的无法直接获取运行风险信息,难以直接建立事故致因的关联与映射关系,提出一种从MCAA中学习民机运行风险特征的方法。针对民机运行特点,结合事故信息及认知可靠性和失误分析方法(CREAM),设计出MCAA-CREAM模型,并构建民机多属性技术重大事故数据集。采用自组织映射(SOM)模型,完成对事故的聚类分析和抽象特征映射,以2D地图形式增强风险因素可读性,利用关联规则有效挖掘风险因素间的强关联关系。
展开更多
关键词
民机安全
风险特征
事故分析
自组织映射模型
关联规则
在线阅读
下载PDF
职称材料
题名
基于深度残差收缩网络的滚动轴承故障诊断
被引量：
18
1
作者
车畅畅
王华伟
倪晓梅
蔺瑞管
机构
南京航空航天大学民航学院
出处
《北京航空航天大学学报》
EI
CAS
CSCD
北大核心
2021年第7期1399-1406,共8页
基金
国家自然科学基金(U1833110)。
文摘
滚动轴承的准确故障诊断是确保机械设备安全可靠运行的必要手段。针对多故障、长时间序列的滚动轴承振动信号,提出了一种基于深度残差收缩网络(DRSN)模型的故障诊断方法。首先,根据采集到的滚动轴承数据构造故障样本,针对多种故障类型下的长时间序列的振动信号,按照一定尺寸将长时间序列矩阵化,构成多故障类型的灰度图故障样本。从正常到故障的滚动轴承性能退化过程,通过多个采样点的随机采样,构造全寿命周期的故障样本用于故障诊断。其次,在多层深度学习模型基础上,将残差收缩网络模块加入到卷积神经网络(CNN)中构建深度残差收缩网络模型用于故障诊断,其中通过将残差项加入到网络中训练解决了多层网络模型的模型退化问题,利用软阈值化实现了样本降噪。最后,为了验证所提方法的有效性,采集了滚动轴承的多故障时间序列样本和全寿命周期故障样本用于故障诊断。实例验证的结果表明:所提深度残差收缩网络模型在处理含噪声样本时仍具有良好的鲁棒性,多层网络模型下没有明显的网络退化,能够保持较高的故障诊断正确率。在处理2种轴承故障数据集时,与其他模型相比,所提方法训练误差更低,平均故障诊断正确率提高1%~6%。
关键词
滚动轴承
故障诊断
深度残差收缩网络(DRSN)
卷积神经网络(CNN)
软阈值化
Keywords
rolling bearing
fault diagnosis
Deep Residual Shrinkage Network(DRSN)
Convolutional Neural Network(CNN)
soft thresholding
分类号
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
基于GSP仿真和SDAE的航空发动机故障诊断
被引量：
7
2
作者
车畅畅
王华伟
倪晓梅
蔺瑞管
机构
南京航空航天大学民航学院
出处
《航空发动机》
北大核心
2022年第1期13-18,共6页
基金
国家自然科学基金和中国民航局联合资助项目(U1833110)资助。
文摘
为了深入研究航空发动机故障机理,提出基于航空燃气涡轮发动机性能仿真软件(GSP)和堆栈降噪自编码器(SDAE)的航空发动机故障诊断方法。通过GSP性能仿真方法模拟发动机在不同设计参数下的部件故障,并得到对应的运行状态参数;从每种故障类型下的长时间序列的状态参数中提取出向量化的曲线特征,构成故障样本;将故障样本带入SDAE模型中进行深度特征提取,经过前向传播和反向微调得到训练好的模型用于发动机故障诊断。结果表明:GSP能够通过参数更改来模拟微弱故障下的状态参数,从而构建多故障样本集;SDAE的重构误差和反向传播误差能够快速收敛到较小值,SDAE的故障诊断正确率为99.5%;与深度信念网络(DBN)、人工神经网络(ANN)以及经典机器学习方法支持向量机(SVM)相比,SDAE的故障分类正确率分别提高了0.8%、6.9%和10.1%。
关键词
燃气涡轮发动机性能仿真软件
堆栈降噪自编码器
故障诊断
航空发动机
Keywords
Gas turbine Simulation Program(GSP)
Stacked Denoising Autoencoder(SDAE)
fault diagnosis
aeroengine
分类号
V263.6 [航空宇航科学与技术—航空宇航制造工程]
在线阅读
下载PDF
职称材料
题名
基于SOM和关联规则的民机运行风险
3
作者
熊明兰
王华伟
倪晓梅
蔺瑞管
机构
南京航空航天大学民航学院
出处
《北京航空航天大学学报》
EI
CAS
CSCD
北大核心
2022年第11期2325-2334,共10页
基金
国家自然科学基金(U1833110)。
文摘
为充分认知民机风险,实现从事故中学习,以重大民机事故(MCAA)为研究对象挖掘出事故深层次的致因特征。针对MCAA信息具有可读性差,系统行为具有非线性导致的无法直接获取运行风险信息,难以直接建立事故致因的关联与映射关系,提出一种从MCAA中学习民机运行风险特征的方法。针对民机运行特点,结合事故信息及认知可靠性和失误分析方法(CREAM),设计出MCAA-CREAM模型,并构建民机多属性技术重大事故数据集。采用自组织映射(SOM)模型,完成对事故的聚类分析和抽象特征映射,以2D地图形式增强风险因素可读性,利用关联规则有效挖掘风险因素间的强关联关系。
关键词
民机安全
风险特征
事故分析
自组织映射模型
关联规则
Keywords
civil aircraft safety
risk characteristics
accident analysis
self-organizing maps model
association rules
分类号
V328.2 [航空宇航科学与技术—人机与环境工程]
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
基于深度残差收缩网络的滚动轴承故障诊断
车畅畅
王华伟
倪晓梅
蔺瑞管
《北京航空航天大学学报》
EI
CAS
CSCD
北大核心
2021
18
在线阅读
下载PDF
职称材料
2
基于GSP仿真和SDAE的航空发动机故障诊断
车畅畅
王华伟
倪晓梅
蔺瑞管
《航空发动机》
北大核心
2022
7
在线阅读
下载PDF
职称材料
3
基于SOM和关联规则的民机运行风险
熊明兰
王华伟
倪晓梅
蔺瑞管
《北京航空航天大学学报》
EI
CAS
CSCD
北大核心
2022
0
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
