期刊文献+
共找到3,516篇文章
< 1 2 176 >
每页显示 20 50 100
CENOZOIC ALTYN TRANSFORM FAULT OF THE NORTHERN PART OF THE TIBETAN PLATEAU
1
作者 Wang Genhou,Gao Jinhan,Wang Xiaoniu (China University of Geosciences, Beijing 100083,China) 《地学前缘》 EI CAS CSCD 2000年第S1期159-160,共2页
The transform fault is essentially a displacement fault whose terminal part is adjusted by other tectonic types, its displacement component is absorbed by other structures intersected with it by high angles or meet at... The transform fault is essentially a displacement fault whose terminal part is adjusted by other tectonic types, its displacement component is absorbed by other structures intersected with it by high angles or meet at right angles. The main elements of transform fault are the sleep\|dipping displacement faults and the adjusted structures intersected with it at high angles. According to the combination of tectonic features formed by its two ends of displacement fault and the structures intersected with it, the transform fault can be divided into three types, including the adjusted transform fault of extensional normal fault, the adjusted transform fault of compressive fold and thrust fault, and the compound transform fault. The transform fault is different from the displacement fault, its horizontal displacement may be increased or decreased or not be changed at all as the time of fault movement extended, but for parallel displacement the dislocation will be increased. Therefore, the study of transform fault is very important for the recognition of long time disputed displacement components of huge displacement fault. The traditional Altyn fault is the adjusting fault of the compression deformation of the Western Kunlun and Northern Qilian mountains of the northern margin of the Tibetan Plateau since Cenozoic. 展开更多
关键词 transform fault Altyn TIBETAN PLATEAU adjustment DISPLACEMENT fault
在线阅读 下载PDF
基于CNN-BiLSTM-Transformer的舰船中压直流全电推进系统故障诊断设计
2
作者 张建良 韩涛 季瑞松 《实验技术与管理》 北大核心 2025年第1期11-18,共8页
针对舰船中压直流全电推进系统结构复杂度高、单元耦合性强、运行环境多变等特点造成的故障诊断准确性低和实时性差等问题,开展了基于CNN-BiLSTM-Transformer的故障诊断设计。首先,基于卷积神经网络CNN构建单点特征级联网络,开展单一时... 针对舰船中压直流全电推进系统结构复杂度高、单元耦合性强、运行环境多变等特点造成的故障诊断准确性低和实时性差等问题,开展了基于CNN-BiLSTM-Transformer的故障诊断设计。首先,基于卷积神经网络CNN构建单点特征级联网络,开展单一时刻下故障信号空间特征的深入提取,以提升故障特征提取的有效性;其次,以双向长短期记忆网络BiLSTM为核心设计多点特征依赖网络,利用门控机制和双向时序学习机制,实现故障信号在多个时刻之间特征依赖关系的有效学习,以提升故障诊断的准确性;然后,以Transformer为核心建立序列特征并行处理网络,通过自注意力机制实现对故障特征上下文关系的精确刻画,进而利用多头注意力机制实现特征序列的并行处理,以提升故障诊断的实时性;最后,设计舰船中压直流全电推进系统故障诊断实验方案,并开展不同故障模式下的诊断性能评估。该文方法在多种故障模式下诊断准确率和实时性均优于现有的主流故障诊断方法,有助于为舰船中压直流全电推进系统的安全运行提供更有力的技术保障。 展开更多
关键词 舰船 中压直流 全电推进系统 故障诊断 transformER
在线阅读 下载PDF
基于融合卷积Transformer的航空发动机故障诊断 被引量:2
3
作者 赵洪利 杨佳强 《北京航空航天大学学报》 北大核心 2025年第4期1117-1126,共10页
航空发动机长期处于恶劣的气路环境下工作会面临腐蚀、侵蚀等问题,且故障参数特征不明显,因此,精准的航空发动机故障诊断方法对保证飞机安全运行具有重要意义。为提高预测准确性,提出了一种基于融合卷积Transformer的航空发动机故障诊... 航空发动机长期处于恶劣的气路环境下工作会面临腐蚀、侵蚀等问题,且故障参数特征不明显,因此,精准的航空发动机故障诊断方法对保证飞机安全运行具有重要意义。为提高预测准确性,提出了一种基于融合卷积Transformer的航空发动机故障诊断方法。利用自注意力机制提取有用特征,抑制冗余信息,并将最大池化层引入Transformer模型中,进一步降低模型内存消耗及参数量,缓解过拟合现象。采用基于GasTurb建模的涡扇发动机仿真数据集进行验证,结果与Transformer模型和反向传播(BP)神经网络、卷积神经网络(CNN)、循环神经网络(RNN)等传统深度学习模型相比,准确率分别提高了6.552%和28.117%、13.189%、10.29%,证明了所提方法的有效性,可为航空发动机故障诊断提供一定的参考。 展开更多
关键词 航空发动机 故障诊断 自注意力机制 融合卷积transformer 深度神经网络
在线阅读 下载PDF
Assessment Method for the Reliability of Power Transformer Based on Fault-tree Analysis 被引量:15
4
作者 WANG You-yuan ZHOU Jing-jing CHEN Wei-gen DU Lin CHEN Ren-gang 《高电压技术》 EI CAS CSCD 北大核心 2009年第3期514-520,共7页
关键词 电力变压器 供电系统 故障树分析 失效模式
在线阅读 下载PDF
基于ResNet50和视觉Transformer的滚动轴承故障诊断方法 被引量:2
5
作者 史梦瑶 陈志刚 +2 位作者 王衍学 张志昊 魏梓书 《机床与液压》 北大核心 2025年第16期18-26,共9页
针对因数据量少、故障信号非平稳等特点而导致滚动轴承故障诊断分类方法分类准确率不高及模型泛化能力不强等问题,提出一种基于残差神经网络(ResNet50)与视觉变换器(ViT)的滚动轴承故障诊断方法。通过连续小波变换将轴承振动信号转换为... 针对因数据量少、故障信号非平稳等特点而导致滚动轴承故障诊断分类方法分类准确率不高及模型泛化能力不强等问题,提出一种基于残差神经网络(ResNet50)与视觉变换器(ViT)的滚动轴承故障诊断方法。通过连续小波变换将轴承振动信号转换为时频图像,并将其作为ResNet50的输入,以进行隐式特征提取,将其输出作为ViT的输入。ViT将输入的图像特征按预定尺寸划分为块,并线性映射为输入序列,通过自注意力机制将全局图像特征进行集成,以实现故障诊断。为提高模型的效率和精度,在ViT的输入层引入深度可分离卷积层(DSC),通过逐深度卷积和逐点卷积的方式显著减少模型的参数量和计算量。使用华中科技大学(HSUT)的滚动轴承数据集进行验证,模型的诊断准确率达99.73%,能够有效完成对轴承故障类型的分类识别。在不同工况下进行实验验证,与其他深度学习方法相比,文中方法具有更高的诊断精度和更好的泛化性。通过消融实验验证了所提模型能够显著提升诊断准确率、召回率、精确率和F1-score,表明其在滚动轴承故障诊断领域具有良好的应用前景。 展开更多
关键词 连续小波变换 残差神经网络 视觉transformer 轴承 故障诊断
在线阅读 下载PDF
采用改进Transformer模型的滚动轴承声振信号故障诊断方法 被引量:4
6
作者 施杰 张威 +2 位作者 李志 陈立畅 杨琳琳 《电子测量技术》 北大核心 2025年第11期105-116,共12页
现有故障诊断方法多采用“单信号-单模型”的专用架构,对不同传感信号需构建独立的诊断模型。这类方法在实际应用中存在模型泛化能力有限、跨信号类型适应性不足等问题。因此,本文提出了一种通过构建统一的深度网络诊断模型,来实现能同... 现有故障诊断方法多采用“单信号-单模型”的专用架构,对不同传感信号需构建独立的诊断模型。这类方法在实际应用中存在模型泛化能力有限、跨信号类型适应性不足等问题。因此,本文提出了一种通过构建统一的深度网络诊断模型,来实现能同时适用于振动与声学信号的智能诊断方法。首先,该方法采用改进淘金热优化算法和包络熵适应度函数来优化变分模态分解,实现变分模态分解中本征模态分量个数k和惩罚因子α自适应确定,再以平均峭度准则筛选变分模态分解分解后的本征模态分量,并使用改进的小波阈值去噪进行二次降噪和重构,以凸显声振信号中的故障特征。然后,在Transformer模型的基础上引入深度残差收缩网络,构建局部特征提取层,提高模型的局部特征提取能力;同时,设计了一种多尺度线性注意力机制来替换Transformer中的多头自注意力,降低模型计算复杂度,增强模型对长距离依赖的捕捉能力。最后,在自建的滚动轴承声振数据集上进行验证,实验结果表明,该方法在自建滚动轴承数据集上表现优异,对声学信号的诊断精度可达到90%,对振动信号的诊断精度达到了99.77%,均优于ResNet18、DRSN、VIT、MCSwin_T、WDCNN。 展开更多
关键词 滚动轴承声振信号 变分模态分解 小波阈值去噪 transformer 智能故障诊断
在线阅读 下载PDF
基于改进Transformer的提升机制动系统故障诊断研究
7
作者 王凯旋 张宏伟 《煤炭工程》 北大核心 2025年第5期148-155,共8页
在对矿井提升系统进行故障诊断时,为了降低对专家经验的依赖性并充分挖掘数据间的复杂关系,提出了一种基于改进Transformer神经网络的提升机制动系统故障诊断方法。首先,分析制动系统的故障现象及原因,确定监测参数。其次,搭建改进的Tra... 在对矿井提升系统进行故障诊断时,为了降低对专家经验的依赖性并充分挖掘数据间的复杂关系,提出了一种基于改进Transformer神经网络的提升机制动系统故障诊断方法。首先,分析制动系统的故障现象及原因,确定监测参数。其次,搭建改进的Transformer故障诊断模型,利用多层自注意力机制来捕捉矿井提升机监测数据之间的相关性和故障关系,并将池化层引入Transformer模型中,降低模型的参数量,缓解过拟合的风险。最后,以采集提升机实际运行数据为基础开展实验研究,利用Adam优化器更新模型参数。结果表明,改进后的Transformer故障分类预测的准确率可达到97.5%,相比于Transformer、CNN和LSTM神经网络准确率分别提升了6.1、10.0和14.8百分点,具有较高的准确性。 展开更多
关键词 矿井提升机 制动系统 transformer神经网络 故障诊断 自注意力机制
在线阅读 下载PDF
基于多粒度知识特征和Transformer网络的电力变压器故障声纹辨识方法 被引量:5
8
作者 齐子豪 仝杰 +3 位作者 张中浩 龙天航 唐鹏飞 黄灿 《中国电机工程学报》 北大核心 2025年第4期1311-1322,I0008,共13页
变压器在机械故障发生时伴随异常声响,基于声纹的机械故障辨识因其准确率高、发现及时和非侵入性等优势,成为当前研究热点。然而声纹信号易受噪声影响,分析处理速度慢且故障数据较难获取,因此如何在强干扰、小样本的情况下实现对机械故... 变压器在机械故障发生时伴随异常声响,基于声纹的机械故障辨识因其准确率高、发现及时和非侵入性等优势,成为当前研究热点。然而声纹信号易受噪声影响,分析处理速度慢且故障数据较难获取,因此如何在强干扰、小样本的情况下实现对机械故障声纹的快速准确辨识,成为当前研究难点。为解决上述问题,该文首先引入物理机理和经验知识,对变压器特征参数进行提取重组,构造多粒度知识特征向量并搭建改进型Transformer网络,大幅提高辨识方法的鲁棒性和抗噪声能力;其次,通过搭建卷积自编码器进行特征降维和模型压缩,缩短模型训练时间,提高机械故障辨识速度;最后,采用跨模态迁移学习技术,在ImageNet-lk数据集上进行预训练并进行知识迁移,解决训练样本不足的问题。相较于传统时序序列深度学习方法,所提方法在高噪声环境下(SNR=−16 dB),准确率均有所提高,实验结果证明,所提方法在准确性、鲁棒性、泛化性等方面均有显著提升,为在复杂环境下基于声纹实现变压器机械故障辨识提供了一种可靠解决方案。 展开更多
关键词 机械故障 故障辨识 声纹识别 自编码器 transformer
在线阅读 下载PDF
基于CABFAM-Transformer的输电线路在线测距实测行波预分类方法
9
作者 唐玉涛 束洪春 +3 位作者 刘皓铭 苏萱 韩一鸣 代月 《电工技术学报》 北大核心 2025年第5期1455-1470,共16页
行波采集装置是电力系统保护与测距的重要设备,广泛应用于110 kV及以上输电线路,且正向配电网延拓。由于启动灵敏,非故障信息的采集给故障辨识与行波测距带来了挑战。该文提出了一种基于卷积注意力机制的特征聚合模块(CABFAM)与自适应Tr... 行波采集装置是电力系统保护与测距的重要设备,广泛应用于110 kV及以上输电线路,且正向配电网延拓。由于启动灵敏,非故障信息的采集给故障辨识与行波测距带来了挑战。该文提出了一种基于卷积注意力机制的特征聚合模块(CABFAM)与自适应Transformer模型的输电线路实测故障性质识别方法。首先,通过CBAM机制增强卷积层提取特征信息的表达与理解能力;然后,构建自适应编码层级调整机制的Transformer模型库,以获取多层次差异化特征信息;最后,利用云南电网110~220 kV输电线路的5076条实测数据及220 kV DL站H-P线的15924条伪实测数据进行训练与测试,针对16种典型行波数据进行分类。测试结果表明,该方法降低了模型参数量,提高了准确度,算法的多个关键指标均有不同幅度的提升,表现出优异的检测精度与识别效率。 展开更多
关键词 行波采集装置 基于卷积注意力机制的特征聚合模块 CABFAM 自适应transformer 实测数据故障辨识
在线阅读 下载PDF
基于双通道信号驱动的CA-Transformer轴承故障诊断方法
10
作者 李学艺 王相凯 +3 位作者 黄金凤 张飞斌 谢怡宁 王志亮 《组合机床与自动化加工技术》 北大核心 2025年第7期121-127,共7页
针对现有轴承故障诊断方法难以准确充分提取故障特征,以及并未充分考虑不同通道信号之间复杂的信息关联的问题,提出了一种基于双通道信号驱动的CA-Transformer故障诊断方法。首先,将传感器采集的双通道信号,分别通过短时窗和长时窗嵌入... 针对现有轴承故障诊断方法难以准确充分提取故障特征,以及并未充分考虑不同通道信号之间复杂的信息关联的问题,提出了一种基于双通道信号驱动的CA-Transformer故障诊断方法。首先,将传感器采集的双通道信号,分别通过短时窗和长时窗嵌入处理提取特征,短时窗捕捉信号的瞬态特征,长视窗捕捉信号的长期趋势;接着,这些特征通过多头交叉注意力机制的Transformer编码器,在交叉注意力模块中交换融合表示信息;然后,经过线性变换和Softmax分类器输出结果;最后,在某大学和实验室轴承数据集上验证了所提出方法的性能,通过与其他方法相比较,证明了提出方法的有效性和优越性。 展开更多
关键词 故障诊断 transformER 交叉注意力 双通道信号
在线阅读 下载PDF
基于CNN-Transformer交互融合网络的航空活塞发动机进排气故障诊断
11
作者 盛润 徐劲松 +1 位作者 韦宝涛 王博 《振动与冲击》 北大核心 2025年第21期258-269,共12页
针对航空活塞发动机振动信号中表征故障的关键特征易被噪声淹没,现有模型难以全面刻画复杂信号的挑战,提出了一种基于卷积神经网络(convolutional neural network,CNN)-Transformer交互融合网络的航空活塞发动机进排气故障诊断方法。首... 针对航空活塞发动机振动信号中表征故障的关键特征易被噪声淹没,现有模型难以全面刻画复杂信号的挑战,提出了一种基于卷积神经网络(convolutional neural network,CNN)-Transformer交互融合网络的航空活塞发动机进排气故障诊断方法。首先,设计的CNN-Transformer双分支并行结构充分发挥各自优势,分别从原始振动信号中提取局部细节特征和全局时序特征。在此基础上,引入交叉注意力特征交互融合模块,通过注意力权重分配动态关联两类特征的关键信息,实现局部与全局特征的深度融合。最终,全面刻画出表征发动机进排气故障的振动特征,从而实现高精度的故障诊断。试验结果表明,该模型在不同工况下的三个数据集上均实现了99.40%以上的测试准确率,即使在噪声干扰下依旧保持了良好的诊断性能,与现有的诊断模型相比,具有更强的泛化性和鲁棒性。 展开更多
关键词 航空活塞发动机 进排气故障 卷积神经网络(CNN) transformER 交叉注意力
在线阅读 下载PDF
基于改进Transformer的火电机组制粉系统故障诊断
12
作者 安硕 冯旭刚 +5 位作者 唐雷 赵凯 王正兵 唐得志 王璐 柳传武 《中南大学学报(自然科学版)》 北大核心 2025年第9期3748-3759,共12页
针对火电机组制粉系统故障机理复杂与诊断精度较低的问题,提出一种基于改进Transformer的故障诊断模型。首先,构建时序预测Transformer框架,通过位置编码(PE)保留输入序列的时序依赖性;其次,在编码器前端嵌入时间卷积网络(TCN),通过因... 针对火电机组制粉系统故障机理复杂与诊断精度较低的问题,提出一种基于改进Transformer的故障诊断模型。首先,构建时序预测Transformer框架,通过位置编码(PE)保留输入序列的时序依赖性;其次,在编码器前端嵌入时间卷积网络(TCN),通过因果卷积提取局部特征并扩展时序感受野;第三,以一次风机转速、磨煤机功率等关键运行参数为输入,建立制粉系统运行状态预测模型;最后,将传统Transformer输出层Softmax函数替换为Sigmoid函数适配多故障并发场景,并采用全卷积网络(FCN)结合Leaky-ReLU激活函数实现故障分类。研究结果表明:该模型的磨煤机功率预测值与真实值的决定系数达99.37%;模型故障诊断准确率达98%,在训练约30个epoch时准确率已达到80%;相较于长短时记忆神经网络(LSTM)、循环神经网络(RNN)等5种基准模型,该方法的准确率、召回率和F1最高,分别达到98.5%、98.3%和97.7%。制粉系统故障诊断平台对各运行参数的预测结果与实际值相对误差不超过6.43%,故障诊断准确率可达到97.2%。该方法能够针对工况复杂的火电机组制粉系统实现高精度故障诊断,满足实际生产过程中的设备诊断需求。 展开更多
关键词 transformER 深度学习 火电机组 制粉系统 故障诊断
在线阅读 下载PDF
双路Transformer在轴承故障诊断中的应用 被引量:1
13
作者 邰志艳 侯婷悦 +2 位作者 刘铭 于子奇 冯子懿 《重庆理工大学学报(自然科学)》 北大核心 2025年第5期179-184,共6页
针对传统算法在轴承故障诊断任务中无法充分利用信号特征,提出双路Transformer方法对轴承故障进行诊断分类。Transformer的自注意力机制可以深度提取长序列频谱数据中全局时域关联信息,双路Transformer在2条路径上采用不同大小的卷积核... 针对传统算法在轴承故障诊断任务中无法充分利用信号特征,提出双路Transformer方法对轴承故障进行诊断分类。Transformer的自注意力机制可以深度提取长序列频谱数据中全局时域关联信息,双路Transformer在2条路径上采用不同大小的卷积核和不同特性的注意力机制,提取信号的高低频特征。双路Transformer可从信号序列的多重频谱中有效识别表征轴承故障的高低频特征,增加特征信息丰富度。此外,设计多尺度特征融合模块,对双路Transformer提取的包含全局关联信息的高低频特征进行融合,得到深度故障特征,实现对不同类型故障的高效诊断。以美国机械故障预防技术学会的轴承数据集进行验证,结果表明双路Transformer在一定收敛速度下准确率达97.44%,比传统诊断算法具有更高的准确率和鲁棒性。 展开更多
关键词 轴承故障诊断 双路transformer 多尺度特征融合 MFPT数据集 自注意力机制
在线阅读 下载PDF
基于PKFF-Transformer的风力发电机故障预测 被引量:2
14
作者 杨伟新 赵洪山 +2 位作者 张扬帆 张一波 林诗雨 《机床与液压》 北大核心 2025年第4期221-229,共9页
为了准确预测风电机组故障,提出一种基于PKFF-Transformer风力发电机故障预测模型。针对风电数据高维复杂特性,提出基于皮尔逊核特征融合(PKFF)的特征工程法;通过皮尔逊相关系数(PCC)筛选与机组状态强相关的特征,再采用核主成分分析(KP... 为了准确预测风电机组故障,提出一种基于PKFF-Transformer风力发电机故障预测模型。针对风电数据高维复杂特性,提出基于皮尔逊核特征融合(PKFF)的特征工程法;通过皮尔逊相关系数(PCC)筛选与机组状态强相关的特征,再采用核主成分分析(KPCA)对筛选数据进行非线性特征融合;将健康状态下的融合特征输入到Transformer模型中构建风电机组温度预测模型;采用滑动窗口法统计预测残差动态特性并确定故障预警阈值;最后,将风电机组实时运行数据输入训练好的PKFF-Transformer模型进行故障预测。采用我国北方某风电场风力发电机数据进行验证。结果表明:PKFF-Transformer模型能够提前5.6 h预测到故障,且在机组健康状态下没有误报现象;此外PKFF-Transformer温度预测模型的均方误差也比Transformer模型提高了97.39%。 展开更多
关键词 风力发电机 transformer模型 核主成分分析(KPCA) 故障预测 皮尔逊相关系数
在线阅读 下载PDF
Study on Power Transformers Fault Diagnosis Based on Wavelet Neural Network and D-S Evidence Theory
15
作者 LIANG Liu-ming CHEN Wei-gen +2 位作者 YUE Yan-feng WEI Chao YANG Jian-feng 《高电压技术》 EI CAS CSCD 北大核心 2008年第12期2694-2700,共7页
>Transformer faults are quite complicated phenomena and can occur due to a variety of reasons.There have been several methods for transformer fault synthetic diagnosis,but each of them has its own limitations in re... >Transformer faults are quite complicated phenomena and can occur due to a variety of reasons.There have been several methods for transformer fault synthetic diagnosis,but each of them has its own limitations in real fault diagnosis applications.In order to overcome those shortcomings in the existing methods,a new transformer fault diagnosis method based on a wavelet neural network optimized by adaptive genetic algorithm(AGA)and an improved D-S evidence theory fusion technique is proposed in this paper.The proposed method combines the oil chromatogram data and the off-line electrical test data of transformers to carry out fault diagnosis.Based on the fusion mechanism of D-S evidence theory,the comprehensive reliability of evidence is constructed by considering the evidence importance,the outputs of the neural network and the expert experience.The new method increases the objectivity of the basic probability assignment(BPA)and reduces the basic probability assigned for uncertain and unimportant information.The case study results of using the proposed method show that it has a good performance of fault diagnosis for transformers. 展开更多
关键词 小波神经网络 D-S证据理论 电力变压器 故障诊断 适应基因算法
在线阅读 下载PDF
Improved Relative-transformation Principal Component Analysis Based on Mahalanobis Distance and Its Application for Fault Detection 被引量:8
16
作者 SHI Huai-Tao LIU Jian-Chang +4 位作者 XUE Peng ZHANG Ke WU Yu-Hou ZHANG Li-Xiu TAN Shuai 《自动化学报》 EI CSCD 北大核心 2013年第9期1533-1542,共10页
主要部件分析(PCA ) 广泛地在过程工业被使用了,它能维持最大的差错察觉率。尽管许多问题在 PCA 被处理了,一些必要问题仍然保持未解决。这研究以下列方法为差错察觉性能改进 PCA。第一,一个相对转变计划基于 Mahalanobis 距离(MD )... 主要部件分析(PCA ) 广泛地在过程工业被使用了,它能维持最大的差错察觉率。尽管许多问题在 PCA 被处理了,一些必要问题仍然保持未解决。这研究以下列方法为差错察觉性能改进 PCA。第一,一个相对转变计划基于 Mahalanobis 距离(MD ) 被介绍消除数据的尺寸的效果而不是无尺寸的标准化,并且改进精确性和差错察觉的即时性能。理论推导证明那相对转变能直接基于 MD 消除尺寸的效果并且在结果显示出的相对空间,分析和模拟给 PCA 的合理解释它的优势和有效性。第二,一个改进摆平的预言错误(SPE ) 统计数值被给改进标准化 PCA 的差错察觉表演,它能使标准化基于 PCA 的差错察觉方法成为对实际工业过程合适的更多。最后,二个改进方法被联合更有效地检测差错。建议方法被使用在热连续滚动过程检测 looper 系统的单个差错和多差错,模拟结果以易感知,精确性和差错察觉的即时性能为差错察觉性能表明这些改进的有效性。 展开更多
关键词 故障检测率 主成分分析 马氏距离 应用 分析基 转化 故障检测方法 实时性能
在线阅读 下载PDF
基于Swin-Transformer的多尺度多源域自适应轴承故障诊断 被引量:1
17
作者 周玉国 张志凯 +2 位作者 张金超 于春风 周立俭 《机床与液压》 北大核心 2025年第1期32-42,共11页
针对当前多源域自适应方法无法充分挖掘多源域中不同尺度故障信息的问题,提出一种基于Swin-Transformer(Swin-T)的多尺度多源域自适应轴承故障诊断方法。通过连续小波变换,获得振动信号在不同频带的特征。为更充分地利用多源域中不同尺... 针对当前多源域自适应方法无法充分挖掘多源域中不同尺度故障信息的问题,提出一种基于Swin-Transformer(Swin-T)的多尺度多源域自适应轴承故障诊断方法。通过连续小波变换,获得振动信号在不同频带的特征。为更充分地利用多源域中不同尺度的故障信息,提出基于Swin-T的多尺度特征提取网络。为了减小各域之间的数据分布差异,构建基于最大均值差异的特征对齐网络,并根据不同尺度对分类的贡献赋予权值。此外,构建多尺度特征融合模块,对不同尺度的特征信息进行融合,得到故障特征集。最后,利用Softmax对特征集进行故障分类,并通过最小化多分类器预测差异损失得到最终分类结果。在凯斯西储大学和青岛理工大学轴承数据集上,该方法的故障分类准确度分别达到99.63%和99.40%。 展开更多
关键词 轴承 故障诊断 多源域自适应 Swin-transformer 多尺度特征提取 最大均值差异
在线阅读 下载PDF
配电网故障识别Transformer-联邦迁移学习算法设计
18
作者 叶远波 王吉文 +1 位作者 邵庆祝 汪艳霞 《电力系统及其自动化学报》 北大核心 2025年第10期120-128,共9页
配电网故障类型识别是提高供电可靠性的重要保障之一。目前,人工智能算法在电力系统故障诊断领域具有广阔的应用前景。本文提出了一种面向配电网故障识别的Transformer-联邦迁移学习算法。通过改进Transformer编码器模块,有效捕捉输入... 配电网故障类型识别是提高供电可靠性的重要保障之一。目前,人工智能算法在电力系统故障诊断领域具有广阔的应用前景。本文提出了一种面向配电网故障识别的Transformer-联邦迁移学习算法。通过改进Transformer编码器模块,有效捕捉输入电气量所包含的全局信息,实现更加准确高效的故障辨识;其次,采用联邦学习传递客户端模型参数,解决了通信过程中数据出错、延时或者误码等问题;并利用深度迁移学习,基于一条线路的训练结果,有效识别同一配网中其他线路发生故障时的故障类型。仿真结果表明,本文算法在高阻接地故障情况下优于传统算法,并且具有很好的模型泛化能力。 展开更多
关键词 配电网 故障类型辨识 联邦学习 深度迁移学习 transformer网络
在线阅读 下载PDF
基于时频图与视觉Transformer的滚动轴承智能故障诊断方法 被引量:5
19
作者 齐萌 王国强 +2 位作者 石念峰 李传锋 何一心 《轴承》 北大核心 2024年第10期115-123,共9页
基于循环神经网络的故障诊断方法在计算过程中难以保存间隔时间过长的信息且无法并行计算,在大型数据建模方面存在不足,为提高轴承故障诊断工作的效率及准确性,提出了一种基于短时傅里叶变换时频图与视觉Transformer(ViT)的轴承故障诊... 基于循环神经网络的故障诊断方法在计算过程中难以保存间隔时间过长的信息且无法并行计算,在大型数据建模方面存在不足,为提高轴承故障诊断工作的效率及准确性,提出了一种基于短时傅里叶变换时频图与视觉Transformer(ViT)的轴承故障诊断方法:通过短时傅里叶变换将原始振动信号转换为二维时频图像,再将时频图作为特征图输入ViT网络中进行训练,详细分析网络参数对故障诊断性能和计算复杂度的影响,构建最优模型结构,最终实现轴承的故障诊断。采用凯斯西储大学和江南大学轴承数据对模型进行验证,结果表明该模型可以有效结合短时傅里叶变换在处理时变信号方面的优势和ViT网络强大的图像分类能力,具有更高的诊断精度和更好的泛化性、通用性。 展开更多
关键词 滚动轴承 故障诊断 傅里叶变换 神经网络 深度学习
在线阅读 下载PDF
基于Transformer的多标签工业故障诊断方法研究 被引量:6
20
作者 火久元 李超杰 于春潇 《振动与冲击》 EI CSCD 北大核心 2023年第18期88-99,189,共13页
工业故障数据的多维性、类不均衡性和并发性为工业故障诊断带来了三大挑战:一是从多维传感器数据中提取故障特征过度依赖于专家知识;二是不同类型故障样本之间的极端类不均衡性严重限制了分类器的性能;三是多个类型的故障可能同时发生... 工业故障数据的多维性、类不均衡性和并发性为工业故障诊断带来了三大挑战:一是从多维传感器数据中提取故障特征过度依赖于专家知识;二是不同类型故障样本之间的极端类不均衡性严重限制了分类器的性能;三是多个类型的故障可能同时发生增加了故障诊断问题的复杂性。为了应对这些挑战,提出了一种基于多重自注意力机制改进的Transformer多标签故障诊断模型。结合自适应合成采样(adaptive synthetic sampling,ADASYN)和Borderline-SMOTE1组合过采样方法,充分利用Transformer编码器-解码器结构以及注意力机制的优势,可以从多维传感器数据中自动提取特征并充分挖掘出多维传感器数据与多个故障标签之间的复杂映射关系。经PHM2015 Plant数据集验证表明,该方法在极端类不均衡的工业故障数据中仍可以较好地诊断出工厂生产过程中同时发生的多个故障。 展开更多
关键词 transformer网络模型 多标签 故障诊断 类不均衡
在线阅读 下载PDF
上一页 1 2 176 下一页 到第
使用帮助 返回顶部