检索结果-维普期刊中文期刊服务平台

基于时间卷积网络的刀具磨损在线监测: 1; 作者柳大虎汪永超何欢《组合机床与自动化加工技术》北大核心 2023年第4期174-176,182,共4页; 在刀具磨损监测领域中,传统卷积神经网络难以选择合适的卷积核大小,循环神经网络容易发生梯度消失和梯度爆炸,为克服以上缺点,引入时间卷积网络构建在线监测模型对刀具磨损量进行监测。考虑到原始数据量过大且每次走刀过程所采集数据量... 展开更多; 关键词刀具磨损时间卷积网络时间序列预测因果膨胀卷积残差连接; 在线阅读下载PDF 职称材料

融合EEMD和多通道dTCN-LSTM的车辆载重状态识别模型: 2; 作者徐慧琳孙子文《小型微型计算机系统》北大核心 2025年第5期1112-1119,共8页; 为精确识别后装车载重状态,研究集成经验模态分解(EEMD)和多通道双重膨胀因果卷积(dTCN)-长短期记忆神经网络(LSTM)融合的识别模型.利用滑动窗口截取载重时序特征向量构建特征向量矩阵,通过EEMD将特征向量矩阵分解为多个子分量矩阵并筛... 展开更多; 关键词集成经验模态分解多通道双重膨胀因果卷积长短期记忆神经网络载重状态识别; 在线阅读下载PDF 职称材料

数据驱动的半无限介质裂纹识别模型研究被引量：2: 3; 作者江守燕邓王涛 +1 位作者孙立国杜成斌《力学学报》 EI CAS CSCD 北大核心 2024年第6期1727-1739,共13页; 缺陷识别是结构健康监测的重要研究内容,对评估工程结构的安全性具有重要的指导意义,然而,准确确定结构缺陷的尺寸十分困难.论文提出了一种创新的数据驱动算法,将比例边界有限元法(scaled boundary finite element methods,SBFEM)与自... 展开更多; 关键词数据驱动比例边界有限元法自编码器因果膨胀卷积神经网络裂纹识别; 在线阅读下载PDF 职称材料

基于改进Transformer的滚动轴承剩余寿命预测方法被引量：1: 4; 作者温江涛张哲《燕山大学学报》 CAS 北大核心 2024年第4期312-321,共10页; 针对现有的滚动轴承剩余使用寿命预测方法存在预测准确度不足、训练效率不高等问题,提出一种时频分析结合改进Transformer的轴承剩余使用寿命预测方法。首先用短时傅里叶变换提取轴承的时频特征,为了改善Transformer的特征提取能力,研... 展开更多; 关键词剩余寿命预测 TRANSFORMER 膨胀因果卷积自适应位置编码; 在线阅读下载PDF 职称材料

基于VMD和RDC-Informer的短期供热负荷预测模型被引量：3: 5; 作者谭全伟薛贵军谢文举《广西师范大学学报（自然科学版）》 CAS 北大核心 2024年第5期39-51,共13页; 精准的供热负荷预测不仅可以有效降低能源消耗,而且可以提高供热系统效率和用户舒适度。为了提升供热负荷预测的准确性,本文将变分模态分解算法和改进的Informer模型结合应用于供热负荷预测中。首先使用VMD算法分解供热负荷数据,降低数... 展开更多; 关键词供热负荷预测 INFORMER 膨胀因果卷积相对位置编码 VMD; 在线阅读下载PDF 职称材料

基于注意力机制的多模态脉搏波分析实验与算法设计被引量：3: 6; 作者王刚汤宇飞 +1 位作者王晚秋张晓光《实验技术与管理》 CAS 北大核心 2023年第8期63-71,共9页; 该文设计了一个多模态脉搏波采集与分析综合实验。该实验基于Python图形用户界面,将脉搏波的采集、预处理和分析诊断算法等模块集成到虚拟仿真软件中,开发了基于串口通信的脉搏波数据实时采集方法,并结合脉搏信号的时域特点,提出一种基... 展开更多; 关键词人体脉象注意力机制多模态因果膨胀卷积; 在线阅读下载PDF 职称材料

基于MSC-ECA-Transformer的矿用皮带输送电机剩余寿命预测研究: 7; 作者丁榕邱成鹏王帅《金属矿山》 2025年第8期150-157,共8页; 矿用皮带输送电机剩余寿命预测是保障矿山安全生产的关键技术之一。针对现有预测模型在特征提取、时序依赖性建模及计算复杂度方面的不足,利用变频一体机上的多源传感器系统采集矿用皮带输送电机运行数据,并基于MSC-ECA-Transformer模... 展开更多; 关键词皮带运输机电机寿命预测 MSC-ECA-Transformer 多尺度因果膨胀卷积时间序列; 在线阅读下载PDF 职称材料

题名基于时间卷积网络的刀具磨损在线监测: 1; 作者柳大虎汪永超何欢; 机构四川大学机械工程学院; 出处《组合机床与自动化加工技术》北大核心 2023年第4期174-176,182,共4页; 基金国家自然科学基金资助项目(51875370)。; 文摘在刀具磨损监测领域中,传统卷积神经网络难以选择合适的卷积核大小,循环神经网络容易发生梯度消失和梯度爆炸,为克服以上缺点,引入时间卷积网络构建在线监测模型对刀具磨损量进行监测。考虑到原始数据量过大且每次走刀过程所采集数据量不同,对数据进行降采样处理,获得了大小为(7,5000)的网络输入数据。通过一维卷积神经网络和时间卷积块的依次叠加,对数据进行特征提取,使用全连接网络将特征映射到刀具磨损值。最后,使用PHM大赛中铣刀磨损的数据验证了模型的效果。实验结果证明,基于时间卷积网络的刀具磨损在线监测模型具有较强的泛化能力,在验证集上均方误差和平均绝对误差分别仅为65.16与6.21,相较于隐马尔科夫、梯度提升树等模型具有较大的提升。; 关键词刀具磨损时间卷积网络时间序列预测因果膨胀卷积残差连接; Keywords tool wear temporal convolutional network time series prediction causal dilation convolution residual connection; 分类号 TH16 [机械工程—机械制造及自动化] TG506 [金属学及工艺—金属切削加工及机床]; 在线阅读下载PDF 职称材料

题名融合EEMD和多通道dTCN-LSTM的车辆载重状态识别模型: 2; 作者徐慧琳孙子文; 机构江南大学物联网工程学院; 出处《小型微型计算机系统》北大核心 2025年第5期1112-1119,共8页; 基金国家自然科学基金项目(62173160)资助。; 文摘为精确识别后装车载重状态,研究集成经验模态分解(EEMD)和多通道双重膨胀因果卷积(dTCN)-长短期记忆神经网络(LSTM)融合的识别模型.利用滑动窗口截取载重时序特征向量构建特征向量矩阵,通过EEMD将特征向量矩阵分解为多个子分量矩阵并筛选不含噪声的子分量矩阵,降低时序数据噪声;由不同深度dTCN堆叠而成的多通道提取不同子分量矩阵的局部特征,各通道提取的局部特征相加送入LSTM中提取全局特征形成特征向量;最后由全连接网络将特征向量识别为装载、卸载、运行3种运行状态.采集真实车辆运行数据作为实验数据集,实验结果表明,与支持向量机(SVM)、卷积神经网络(CNN)、LSTM、CNN-LSTM、EMD-CNN-GRU、VMD-TCN-LSTM模型相比,识别准确率分别提高6.82%、5.66%、3.94%、3.21%、3.52%.; 关键词集成经验模态分解多通道双重膨胀因果卷积长短期记忆神经网络载重状态识别; Keywords empirical mode decomposition multichannel dual temporal convolutional network LSTM load status recognition; 分类号 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

题名数据驱动的半无限介质裂纹识别模型研究被引量：2: 3; 作者江守燕邓王涛孙立国杜成斌; 机构河海大学工程力学系; 出处《力学学报》 EI CAS CSCD 北大核心 2024年第6期1727-1739,共13页; 基金国家自然科学基金(52279130) 中国地球物理学会工程物探检测重点实验室开放研究基金(CJ2021GE06)资助项目。; 文摘缺陷识别是结构健康监测的重要研究内容,对评估工程结构的安全性具有重要的指导意义,然而,准确确定结构缺陷的尺寸十分困难.论文提出了一种创新的数据驱动算法,将比例边界有限元法(scaled boundary finite element methods,SBFEM)与自编码器(autoencoder,AE)、因果膨胀卷积神经网络(causal dilated convolutional neural network,CDCNN)相结合用于半无限介质中的裂纹识别.在该模型中,SBFEM用于模拟波在含不同裂纹状缺陷半无限介质中的传播过程,对于不同的裂纹状缺陷,仅需改变裂纹尖端的比例中心和裂纹开口处节点的位置,避免了复杂的重网格过程,可高效地生成足够的训练数据.模拟波在半无限介质中传播时,建立了基于瑞利阻尼的吸收边界模型,避免了对结构全域模型进行计算.搭建了CDCNN,确保了时序数据的有序性,并获得更大的感受野而不增加神经网络的复杂性,可捕捉更多的历史信息,AE具有较强的非线性特征提取能力,可将高维的原始输入特征向量空间映射到低维潜在特征向量空间,以获得低维潜在特征用于网络模型训练,有效提升了网络模型的学习效率.数值算例表明:提出的模型能够高效且准确地识别半无限介质中裂纹的量化信息,且AE-CDCNN模型的识别效率较单CDCNN模型提高了约2.7倍.; 关键词数据驱动比例边界有限元法自编码器因果膨胀卷积神经网络裂纹识别; Keywords data-driven algorithm scaled boundary finite element methods autoencoder causal dilated convolutional neural network crack identification; 分类号 TB115 [理学—应用数学]; 在线阅读下载PDF 职称材料

题名基于改进Transformer的滚动轴承剩余寿命预测方法被引量：1: 4; 作者温江涛张哲; 机构燕山大学电气工程学院燕山大学河北省测试计量技术及仪器重点实验室; 出处《燕山大学学报》 CAS 北大核心 2024年第4期312-321,共10页; 基金国家自然科学基金资助项目(61973262) 河北省自然科学基金资助项目(E2020203061)。; 文摘针对现有的滚动轴承剩余使用寿命预测方法存在预测准确度不足、训练效率不高等问题,提出一种时频分析结合改进Transformer的轴承剩余使用寿命预测方法。首先用短时傅里叶变换提取轴承的时频特征,为了改善Transformer的特征提取能力,研究了基于膨胀因果卷积的可变长度数据分析结构,并设计了自适应位置编码模块替代Transformer的传统编码方式,改进的模型增强了对时频数据的分析能力,实现了高效、准确的端到端的滚动轴承剩余寿命预测。在PHM2012轴承数据集上的实验结果表明提出的方法的效率比LSTM高20%,同时预测精度相比于多种现有传统方法均具有16%以上的提升。; 关键词剩余寿命预测 TRANSFORMER 膨胀因果卷积自适应位置编码; Keywords remaining useful life prediction Transformer dilated causal convolution adaptive positional encoding; 分类号 TH865 [机械工程—精密仪器及机械] 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

题名基于VMD和RDC-Informer的短期供热负荷预测模型被引量：3: 5; 作者谭全伟薛贵军谢文举; 机构华北理工大学电气工程学院; 出处《广西师范大学学报（自然科学版）》 CAS 北大核心 2024年第5期39-51,共13页; 基金河北省自然科学基金(E2020209121)。; 文摘精准的供热负荷预测不仅可以有效降低能源消耗,而且可以提高供热系统效率和用户舒适度。为了提升供热负荷预测的准确性,本文将变分模态分解算法和改进的Informer模型结合应用于供热负荷预测中。首先使用VMD算法分解供热负荷数据,降低数据的非平稳性;然后在Informer模型中引入相对位置编码代替绝对位置编码,以更好地捕捉序列数据中的依赖关系和避免信息泄漏;接着采用膨胀因果卷积代替正则卷积,增加感受野,提升局部信息的提取能力;最后在多个数据集上与主流预测模型(GRU、LSTM、Transformer和Informer)进行对比实验。结果表明,RDC-Informer模型的评价指标R2达到了98.3%,与对比模型相比,分别提高了11.6%、6.3%、4.7%和2.6%。此外,通过增加卷积核以评估膨胀因果卷积的效果,验证了RDC-Informer模型的适用性和准确性,为进一步提高智慧供热的时效性提供了一定参考。; 关键词供热负荷预测 INFORMER 膨胀因果卷积相对位置编码 VMD; Keywords heat supply load forecast Informer dilated causal convolution relative position coding VMD; 分类号 TU995 [建筑科学—供热、供燃气、通风及空调工程]; 在线阅读下载PDF 职称材料

题名基于注意力机制的多模态脉搏波分析实验与算法设计被引量：3: 6; 作者王刚汤宇飞王晚秋张晓光; 机构中国矿业大学信息与控制工程学院; 出处《实验技术与管理》 CAS 北大核心 2023年第8期63-71,共9页; 基金十三五国家重点研发计划项目(2017YFC0804404) 教育部产学合作协同育人项目(202002280003) 中国矿业大学教改项目(2021ZX04)。; 文摘该文设计了一个多模态脉搏波采集与分析综合实验。该实验基于Python图形用户界面,将脉搏波的采集、预处理和分析诊断算法等模块集成到虚拟仿真软件中,开发了基于串口通信的脉搏波数据实时采集方法,并结合脉搏信号的时域特点,提出一种基于注意力机制和变尺度因果膨胀卷积的多模态端到端脉搏诊断算法。对比实验表明,该方法诊断准确率达到93%以上。该软件算法不仅使传统中医的“切脉”量化为可视的脉象信号,而且提升了脉枕精度。; 关键词人体脉象注意力机制多模态因果膨胀卷积; Keywords human pulse attention mechanism multimodal casual dilated convolution; 分类号 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

题名基于MSC-ECA-Transformer的矿用皮带输送电机剩余寿命预测研究: 7; 作者丁榕邱成鹏王帅; 机构中煤资源发展集团有限公司; 出处《金属矿山》 2025年第8期150-157,共8页; 基金陕西省重点研发计划(编号:2023-YBGY-367) 国家自然科学基金青年项目(编号:51704229)。; 文摘矿用皮带输送电机剩余寿命预测是保障矿山安全生产的关键技术之一。针对现有预测模型在特征提取、时序依赖性建模及计算复杂度方面的不足,利用变频一体机上的多源传感器系统采集矿用皮带输送电机运行数据,并基于MSC-ECA-Transformer模型进行剩余寿命预测。该模型在Transformer主干网络中嵌入了多尺度因果膨胀卷积(MSC)和高效通道注意力(ECA)模块,通过MSC构建多级时序特征提取,解决传统自注意力机制对设备渐进式退化模式多尺度特征捕捉不足的问题。同时引入ECA模块实现特征通道的动态权重分配,增强故障敏感特征的显著性表达。试验表明,MSC-ECA-Transformer模型在预测精度和稳定性上表现优异,改进后模型的平均绝对误差(MAE)以及均方根误差(RMSE)分别为0.0851以及0.0918,与Transformer模型相比,分别降低34.0%及36.2%,为矿用电机剩余寿命预测提供了技术支撑。; 关键词皮带运输机电机寿命预测 MSC-ECA-Transformer 多尺度因果膨胀卷积时间序列; Keywords belt conveyer electrical machine residual life prediction MSC-ECA-Transformer multiscale causal dilation convolution time series; 分类号 TD687 [矿业工程]; 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	基于时间卷积网络的刀具磨损在线监测	柳大虎汪永超何欢	《组合机床与自动化加工技术》北大核心	2023	0	在线阅读下载PDF 职称材料
2	融合EEMD和多通道dTCN-LSTM的车辆载重状态识别模型	徐慧琳孙子文	《小型微型计算机系统》北大核心	2025	0	在线阅读下载PDF 职称材料
3	数据驱动的半无限介质裂纹识别模型研究	江守燕邓王涛孙立国杜成斌	《力学学报》 EI CAS CSCD 北大核心	2024	2	在线阅读下载PDF 职称材料
4	基于改进Transformer的滚动轴承剩余寿命预测方法	温江涛张哲	《燕山大学学报》 CAS 北大核心	2024	1	在线阅读下载PDF 职称材料
5	基于VMD和RDC-Informer的短期供热负荷预测模型	谭全伟薛贵军谢文举	《广西师范大学学报（自然科学版）》 CAS 北大核心	2024	3	在线阅读下载PDF 职称材料
6	基于注意力机制的多模态脉搏波分析实验与算法设计	王刚汤宇飞王晚秋张晓光	《实验技术与管理》 CAS 北大核心	2023	3	在线阅读下载PDF 职称材料
7	基于MSC-ECA-Transformer的矿用皮带输送电机剩余寿命预测研究	丁榕邱成鹏王帅	《金属矿山》	2025		在线阅读下载PDF 职称材料