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
掩码表征迁移策略下的锂电池变工况健康状态预测
1
作者
王一航
陈旭
+1 位作者
沈萌
赵春晖
《控制理论与应用》
EI
CAS
CSCD
北大核心
2024年第8期1377-1385,共9页
锂电池健康状态(SOH)预测可以对电池老化程度进行评估.由于电池工作状况的差异,锂电池训练数据(源域)和在线应用数据(目标域)具有不同的分布,而迁移学习是解决上述问题的有效方法.然而,一方面,传统迁移学习方法需要大量源域数据标签,而...
锂电池健康状态(SOH)预测可以对电池老化程度进行评估.由于电池工作状况的差异,锂电池训练数据(源域)和在线应用数据(目标域)具有不同的分布,而迁移学习是解决上述问题的有效方法.然而,一方面,传统迁移学习方法需要大量源域数据标签,而SOH测量困难,难以提供充足标签;另一方面,这些方法无法充分利用已有的专家知识.基于此,本文创新性地提出了一种掩码表征迁移策略(MFTS),实现了源域无标签场景下的变工况锂电池SOH预测.首先,设计了一种掩码自监督框架,其可以在无标签的情况下实现自动特征提取来表征源域数据.其次,提出了一种专家知识模块,引导所提特征逼近专家特征,从而实现了专家知识的融入.最后,提出了一种双学习率的方法对特征提取和SOH预测网络进行同步变速训练,在迁移源域知识的同时实现了目标域SOH的准确预测.基于NASA的公开数据集,所提出的MFTS模型在6组实验上的预测误差均不大于4.08%.
展开更多
关键词
锂离子电池
健康状态
掩码表征
迁移
策略
变工况迁移
在线阅读
下载PDF
职称材料
有限变工况特征迁移学习方法及其在高速列车轴箱轴承故障诊断中的应用
被引量：
20
2
作者
罗宏林
柏林
+1 位作者
侯东明
彭畅
《仪器仪表学报》
EI
CAS
CSCD
北大核心
2022年第3期132-145,共14页
以高速列车轴箱轴承为研究对象,提出了一种适用于有限数量变工况下的轴承故障诊断方法。该方法以有监督的学习模式构造自编码器,将不同工况下特征值集向参考工况下特征集做映射迁移,从而减弱由工况变化引起的轴承故障特征值改变的影响...
以高速列车轴箱轴承为研究对象,提出了一种适用于有限数量变工况下的轴承故障诊断方法。该方法以有监督的学习模式构造自编码器,将不同工况下特征值集向参考工况下特征集做映射迁移,从而减弱由工况变化引起的轴承故障特征值改变的影响。再将迁移后的特征集输入由参考工况特征集预训练的基于卷积神经网络的故障诊断模型,实现变工况下轴承故障的诊断。凯斯西储大学轴承公开数据集和高速列车轴箱轴承数据集的试验结果表明,经监督式自编码器特征迁移后的轴承故障识别准确率有了较大提升,该方法能够较好的实现有限工况下的特征序列的迁移,解决工况变化带来的故障特征的畸变问题。
展开更多
关键词
轴箱轴承
监督式自编码器
变工
况
特征
迁移
卷积神经网络
故障诊断
在线阅读
下载PDF
职称材料
谱归一化CycleGAN的轴承故障迁移诊断研究
被引量：
1
3
作者
李洁松
刘韬
伍星
《振动与冲击》
EI
CSCD
北大核心
2023年第24期282-289,共8页
深度学习无需先验特征提取的优点使其受到了工业设备的智能故障诊断领域研究的青睐,但深度学习的低鲁棒性和较高的数据要求阻碍其实际应用。为适应在工业现场复杂多变的工况,该文提出了一种基于谱归一化(spectral normalization, SN)和...
深度学习无需先验特征提取的优点使其受到了工业设备的智能故障诊断领域研究的青睐,但深度学习的低鲁棒性和较高的数据要求阻碍其实际应用。为适应在工业现场复杂多变的工况,该文提出了一种基于谱归一化(spectral normalization, SN)和循环一致对抗网络(cycle-consistent adversarial networks, CycleGAN)的SN-1DCycleGAN网络用于变工况条件下的故障数据迁移生成和诊断。首先,搭建一种适应振动数据生成的1DCycleGAN网络,用于获得同种工况下正常信号与故障信号的映射关系。使用谱归一化对网络进行改进,有效的防止CycleGAN网络训练过程中训练不稳定情况。其次,通过不同工况的正常数据生成自适应的故障数据,实现变工况迁移生成的目的。最后,3种评价指标以及分类器准确率对数据生成质量进行定量评估,并使用仿真与试验信号进行验证。试验结果表明,SN-1DCycleGAN在一维振动信号上具备一定迁移效果,可对变工况数据进行增强,提升分类器的准确率。
展开更多
关键词
智能故障诊断
循环一致对抗网络
谱归一化
变工况迁移
生成
在线阅读
下载PDF
职称材料
题名
掩码表征迁移策略下的锂电池变工况健康状态预测
1
作者
王一航
陈旭
沈萌
赵春晖
机构
浙江大学控制科学与工程学院
出处
《控制理论与应用》
EI
CAS
CSCD
北大核心
2024年第8期1377-1385,共9页
基金
国家自然科学基金杰出青年基金项目(62125306)
NSFC–浙江两化融合联合基金项目(U1709211)资助。
文摘
锂电池健康状态(SOH)预测可以对电池老化程度进行评估.由于电池工作状况的差异,锂电池训练数据(源域)和在线应用数据(目标域)具有不同的分布,而迁移学习是解决上述问题的有效方法.然而,一方面,传统迁移学习方法需要大量源域数据标签,而SOH测量困难,难以提供充足标签;另一方面,这些方法无法充分利用已有的专家知识.基于此,本文创新性地提出了一种掩码表征迁移策略(MFTS),实现了源域无标签场景下的变工况锂电池SOH预测.首先,设计了一种掩码自监督框架,其可以在无标签的情况下实现自动特征提取来表征源域数据.其次,提出了一种专家知识模块,引导所提特征逼近专家特征,从而实现了专家知识的融入.最后,提出了一种双学习率的方法对特征提取和SOH预测网络进行同步变速训练,在迁移源域知识的同时实现了目标域SOH的准确预测.基于NASA的公开数据集,所提出的MFTS模型在6组实验上的预测误差均不大于4.08%.
关键词
锂离子电池
健康状态
掩码表征
迁移
策略
变工况迁移
Keywords
Lithium battery
state of health
masked feature transfer strategy
variable working conditions transfer
分类号
TM912 [电气工程—电力电子与电力传动]
在线阅读
下载PDF
职称材料
题名
有限变工况特征迁移学习方法及其在高速列车轴箱轴承故障诊断中的应用
被引量：
20
2
作者
罗宏林
柏林
侯东明
彭畅
机构
重庆大学机械传动国家重点实验室
北京交通大学机械与电子控制工程学院
中车青岛四方机车车辆股份有限公司技术中心
出处
《仪器仪表学报》
EI
CAS
CSCD
北大核心
2022年第3期132-145,共14页
基金
国家自然科学基金(52175077)项目资助。
文摘
以高速列车轴箱轴承为研究对象,提出了一种适用于有限数量变工况下的轴承故障诊断方法。该方法以有监督的学习模式构造自编码器,将不同工况下特征值集向参考工况下特征集做映射迁移,从而减弱由工况变化引起的轴承故障特征值改变的影响。再将迁移后的特征集输入由参考工况特征集预训练的基于卷积神经网络的故障诊断模型,实现变工况下轴承故障的诊断。凯斯西储大学轴承公开数据集和高速列车轴箱轴承数据集的试验结果表明,经监督式自编码器特征迁移后的轴承故障识别准确率有了较大提升,该方法能够较好的实现有限工况下的特征序列的迁移,解决工况变化带来的故障特征的畸变问题。
关键词
轴箱轴承
监督式自编码器
变工
况
特征
迁移
卷积神经网络
故障诊断
Keywords
axle box bearing
supervised auto-encoder
feature representation transfer
convolutional neural network
fault diagnosis
分类号
TH17 [机械工程—机械制造及自动化]
TP206 [自动化与计算机技术—检测技术与自动化装置]
在线阅读
下载PDF
职称材料
题名
谱归一化CycleGAN的轴承故障迁移诊断研究
被引量：
1
3
作者
李洁松
刘韬
伍星
机构
昆明理工大学机电工程学院
云南省先进装备智能制造技术重点实验室
云南机电职业技术学院
出处
《振动与冲击》
EI
CSCD
北大核心
2023年第24期282-289,共8页
基金
云南省科技厅重大科技专项计划(202102AC080002)
国家自然科学基金(52065030)。
文摘
深度学习无需先验特征提取的优点使其受到了工业设备的智能故障诊断领域研究的青睐,但深度学习的低鲁棒性和较高的数据要求阻碍其实际应用。为适应在工业现场复杂多变的工况,该文提出了一种基于谱归一化(spectral normalization, SN)和循环一致对抗网络(cycle-consistent adversarial networks, CycleGAN)的SN-1DCycleGAN网络用于变工况条件下的故障数据迁移生成和诊断。首先,搭建一种适应振动数据生成的1DCycleGAN网络,用于获得同种工况下正常信号与故障信号的映射关系。使用谱归一化对网络进行改进,有效的防止CycleGAN网络训练过程中训练不稳定情况。其次,通过不同工况的正常数据生成自适应的故障数据,实现变工况迁移生成的目的。最后,3种评价指标以及分类器准确率对数据生成质量进行定量评估,并使用仿真与试验信号进行验证。试验结果表明,SN-1DCycleGAN在一维振动信号上具备一定迁移效果,可对变工况数据进行增强,提升分类器的准确率。
关键词
智能故障诊断
循环一致对抗网络
谱归一化
变工况迁移
生成
Keywords
intelligent fault diagnosis
cycle-consistent adversarial networks
spectral normalization
variable condition transfer generation
分类号
TP181 [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
作者
出处
发文年
被引量
操作
1
掩码表征迁移策略下的锂电池变工况健康状态预测
王一航
陈旭
沈萌
赵春晖
《控制理论与应用》
EI
CAS
CSCD
北大核心
2024
0
在线阅读
下载PDF
职称材料
2
有限变工况特征迁移学习方法及其在高速列车轴箱轴承故障诊断中的应用
罗宏林
柏林
侯东明
彭畅
《仪器仪表学报》
EI
CAS
CSCD
北大核心
2022
20
在线阅读
下载PDF
职称材料
3
谱归一化CycleGAN的轴承故障迁移诊断研究
李洁松
刘韬
伍星
《振动与冲击》
EI
CSCD
北大核心
2023
1
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
