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
数模联动下电主轴智能热误差测量与预测
1
作者
丁鹏
丁爽
+2 位作者
赵孝礼
张虎
李传江
《中国测试》
CAS
北大核心
2024年第9期56-64,共9页
目前机床主轴热误差预测研究未能有效关联物理退化规律与机床状态数据,导致传感测点布局冗余、预测模型解释性和准确性不足等困境。基于数模联动思想结合有限元数值建模与人工智能算法对成型磨齿机电主轴砂轮端几何误差进行了精确预测...
目前机床主轴热误差预测研究未能有效关联物理退化规律与机床状态数据,导致传感测点布局冗余、预测模型解释性和准确性不足等困境。基于数模联动思想结合有限元数值建模与人工智能算法对成型磨齿机电主轴砂轮端几何误差进行了精确预测。首先建立磨齿机主轴有限元数值模型确定稳态温度场测点可行域,随后基于多目标优化算法开发了一种兼具无监督与有监督属性的温度测点精简布局方法;进一步地借助时序预测中自回归建模理论,提出了多通道逆Transformer算法并依托编码-解码架构将温升信号与热误差形变建立变步长映射关系,改善了长迟滞步长所导致的热误差预测泛化弱的难题。最终通过成型磨齿机磨削实验验证了数模联动下智能热误差预测方法的有效性。
展开更多
关键词
电主轴
热误差预测
数模联动
多目标优化
智能算法
在线阅读
下载PDF
职称材料
相关流形距离在转子故障数据集分类中的应用方法
被引量：
7
2
作者
赵荣珍
赵孝礼
+1 位作者
何敬举
刘韵佳
《振动与冲击》
EI
CSCD
北大核心
2017年第18期125-130,139,共7页
针对故障特征属性值域之间存在着一定相关性导致准确分类困难的问题,提出一种能够考虑相关系数影响作用的转子故障数据集分类方法;该方法是将相关流形距离的边界Fisher分析(Correlation Manifold Distance Marginal Fisher Analysis,CDM...
针对故障特征属性值域之间存在着一定相关性导致准确分类困难的问题,提出一种能够考虑相关系数影响作用的转子故障数据集分类方法;该方法是将相关流形距离的边界Fisher分析(Correlation Manifold Distance Marginal Fisher Analysis,CDMFA)与相关流形距离的K-近邻(Correlation Manifold Distance K-Nearest Neighbor,CDKNN)分类器概念相结合在一起的结果。首先,将振动信号集合转换成多域、多通道高维故障特征数据集;然后,通过CDMFA将融合相关系数的相关流形距离用于度量数据样本间的近邻与权值,据此能更好地反映高维数据间的相似性关系,提取出能使类间距离趋大的低维特征子集;最后,将得到的低维特征子集输入到CDKNN分类器中进行故障模式辨识。用一个双跨度转子系统数据集与仿真数据集对所提出的方法进行了验证。结果表明:本方法降维效果良好,可获得更高的故障分类准确率。研究发现,采用相关流形距离作为信息测度的故障数据分类方法能更真实地揭示出高维特征间的几何结构关系;该方法可为高维故障数据集的特征属性约简与分类,提供降低数据规模的理论参考依据。
展开更多
关键词
故障分类
相关流形距离
边界Fisher分析
K近邻分类器
转子故障数据集
在线阅读
下载PDF
职称材料
基于正则化核最大边界投影维数约简的滚动轴承故障诊断
被引量：
8
3
作者
赵孝礼
赵荣珍
+1 位作者
孙业北
何敬举
《振动与冲击》
EI
CSCD
北大核心
2017年第14期104-110,共7页
针对旋转机械故障诊断中故障样本获取困难的现状,提出一种基于正则化核最大边界投影(Regularized Kernel Maximum Margin Projection,RKMMP)维数约简的滚动轴承故障诊断方法。该方法首先利用RKMMP对小样本、少标记信息的混合故障样本集...
针对旋转机械故障诊断中故障样本获取困难的现状,提出一种基于正则化核最大边界投影(Regularized Kernel Maximum Margin Projection,RKMMP)维数约简的滚动轴承故障诊断方法。该方法首先利用RKMMP对小样本、少标记信息的混合故障样本集进行训练降维,然后将降维后的低维敏感特征子集输入到核极限学习机(Kernel Extreme Learning Machine,KLEM)分类器中进行故障识别。上述方法的特点是所提出的RKMMP能充分利用少量标记样本信息与大量无标记样本的故障信息,避免过学习的缺陷,同时通过添加正则化项克服小样本问题。滚动轴承故障模拟实验表明:该方法结合了RKMMP在维数约简和KLEM在模式识别上的优势,在一定程度上能提升故障诊断的泛化能力与识别精度。该研究可为解决好故障诊断中样本获取困难的问题,提供理论参考依据。
展开更多
关键词
故障诊断
正则化核最大边界投影
核极限学习机分类器
维数约简
在线阅读
下载PDF
职称材料
题名
数模联动下电主轴智能热误差测量与预测
1
作者
丁鹏
丁爽
赵孝礼
张虎
李传江
机构
扬州大学机械工程学院
南京理工大学机械工程学院
南京工大数控科技有限公司
贵州大学机械工程学院
出处
《中国测试》
CAS
北大核心
2024年第9期56-64,共9页
基金
国家自然科学基金(52305589)
江苏省自然科学基金(BK20220950)
扬州市“绿扬金凤”计划(YZLYJFJH2023YXBS126)。
文摘
目前机床主轴热误差预测研究未能有效关联物理退化规律与机床状态数据,导致传感测点布局冗余、预测模型解释性和准确性不足等困境。基于数模联动思想结合有限元数值建模与人工智能算法对成型磨齿机电主轴砂轮端几何误差进行了精确预测。首先建立磨齿机主轴有限元数值模型确定稳态温度场测点可行域,随后基于多目标优化算法开发了一种兼具无监督与有监督属性的温度测点精简布局方法;进一步地借助时序预测中自回归建模理论,提出了多通道逆Transformer算法并依托编码-解码架构将温升信号与热误差形变建立变步长映射关系,改善了长迟滞步长所导致的热误差预测泛化弱的难题。最终通过成型磨齿机磨削实验验证了数模联动下智能热误差预测方法的有效性。
关键词
电主轴
热误差预测
数模联动
多目标优化
智能算法
Keywords
motorized spindle
thermal error prognostics
model-data fusion
multi-objective optimization
intelligent algorithms
分类号
TB9 [机械工程—测试计量技术及仪器]
TP391 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
相关流形距离在转子故障数据集分类中的应用方法
被引量：
7
2
作者
赵荣珍
赵孝礼
何敬举
刘韵佳
机构
兰州理工大学机电工程学院
出处
《振动与冲击》
EI
CSCD
北大核心
2017年第18期125-130,139,共7页
基金
国家自然科学基金项目(51675253)
高等学校博士学科点专项科研基金(20136201110004)
文摘
针对故障特征属性值域之间存在着一定相关性导致准确分类困难的问题,提出一种能够考虑相关系数影响作用的转子故障数据集分类方法;该方法是将相关流形距离的边界Fisher分析(Correlation Manifold Distance Marginal Fisher Analysis,CDMFA)与相关流形距离的K-近邻(Correlation Manifold Distance K-Nearest Neighbor,CDKNN)分类器概念相结合在一起的结果。首先,将振动信号集合转换成多域、多通道高维故障特征数据集;然后,通过CDMFA将融合相关系数的相关流形距离用于度量数据样本间的近邻与权值,据此能更好地反映高维数据间的相似性关系,提取出能使类间距离趋大的低维特征子集;最后,将得到的低维特征子集输入到CDKNN分类器中进行故障模式辨识。用一个双跨度转子系统数据集与仿真数据集对所提出的方法进行了验证。结果表明:本方法降维效果良好,可获得更高的故障分类准确率。研究发现,采用相关流形距离作为信息测度的故障数据分类方法能更真实地揭示出高维特征间的几何结构关系;该方法可为高维故障数据集的特征属性约简与分类,提供降低数据规模的理论参考依据。
关键词
故障分类
相关流形距离
边界Fisher分析
K近邻分类器
转子故障数据集
Keywords
fault classification
correlation manifold distance
marginal Fisher analysis（MFA）
K-nearest neighbor（KNN） classifier
rotor fault dataset
分类号
TP18 [自动化与计算机技术—控制理论与控制工程]
TH165 [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
基于正则化核最大边界投影维数约简的滚动轴承故障诊断
被引量：
8
3
作者
赵孝礼
赵荣珍
孙业北
何敬举
机构
兰州理工大学机电工程学院
出处
《振动与冲击》
EI
CSCD
北大核心
2017年第14期104-110,共7页
基金
国家自然科学基金(51675253)
高等学校博士学科点专项科研基金(20136201110004)
文摘
针对旋转机械故障诊断中故障样本获取困难的现状,提出一种基于正则化核最大边界投影(Regularized Kernel Maximum Margin Projection,RKMMP)维数约简的滚动轴承故障诊断方法。该方法首先利用RKMMP对小样本、少标记信息的混合故障样本集进行训练降维,然后将降维后的低维敏感特征子集输入到核极限学习机(Kernel Extreme Learning Machine,KLEM)分类器中进行故障识别。上述方法的特点是所提出的RKMMP能充分利用少量标记样本信息与大量无标记样本的故障信息,避免过学习的缺陷,同时通过添加正则化项克服小样本问题。滚动轴承故障模拟实验表明:该方法结合了RKMMP在维数约简和KLEM在模式识别上的优势,在一定程度上能提升故障诊断的泛化能力与识别精度。该研究可为解决好故障诊断中样本获取困难的问题,提供理论参考依据。
关键词
故障诊断
正则化核最大边界投影
核极限学习机分类器
维数约简
Keywords
dynamic response
multiaxial random excitation
vibration fatigue
modal shape
分类号
TP18 [自动化与计算机技术—控制理论与控制工程]
TH165 [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
数模联动下电主轴智能热误差测量与预测
丁鹏
丁爽
赵孝礼
张虎
李传江
《中国测试》
CAS
北大核心
2024
0
在线阅读
下载PDF
职称材料
2
相关流形距离在转子故障数据集分类中的应用方法
赵荣珍
赵孝礼
何敬举
刘韵佳
《振动与冲击》
EI
CSCD
北大核心
2017
7
在线阅读
下载PDF
职称材料
3
基于正则化核最大边界投影维数约简的滚动轴承故障诊断
赵孝礼
赵荣珍
孙业北
何敬举
《振动与冲击》
EI
CSCD
北大核心
2017
8
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
