-
题名多传感器信息融合的轴承故障迁移诊断方法
被引量：4
- 1
-
-
作者
包从望
江伟
张彩红
周大帅
-
机构
六盘水师范学院矿业与机械工程学院
-
出处
《机电工程》
CAS
北大核心
2024年第5期878-885,共8页
-
基金
贵州省教育厅基金资助项目(黔教合KY字〔2020〕117)
六盘水市科技计划项目(52020-2022-PT-02,52020-2019-05-12)
六盘水师范学院基金资助项目(LPSSYylzy2205)。
-
文摘
在重型装备低速、重载、强噪声环境下,采用单一传感器难以全面获取轴承的故障诊断信息,导致故障识别率低、识别不稳定,致使变工况下轴承故障迁移诊断失效。针对以上问题,提出了一种多传感器信息融合的轴承故障迁移诊断方法。首先,结合传感器的通道数,构建了堆叠卷积神经网络(MCNNs)提取各个通道的故障特征;然后,在MCNNs中引入最小绝对收缩与选择算子(Lasso),并通过网络反向传播完成了特征权值的更新,从而获得了多通道特征的融合;最后,利用源域数据对模型进行了训练,提取了故障特征,并完成了特征融合,采用损失函数完成了模型参数的优化,将源域训练得到的模型结果作为目标域的初始模型,利用目标域样本对初始模型的参数进行了微调,从而完成了模型迁移;并进行了信息融合效果、方法对比以及传感器信息采集属性的性能实验。研究结果表明:传感器的安装位置对信息融合影响较大,MCNNs+Lasso方法具有较好的特征融合效果,平均迁移诊断精度为99.03%,部分精度可达99.97%,在多个变工况的迁移任务中表现出较高迁移精度和良好的泛化性能。
-
关键词
滚动轴承
故障诊断
多传感器信息融合
堆叠卷积神经网络
最小绝对收缩与选择算子
迁移学习
-
Keywords
rolling bearing
fault diagnosis
multi-sensor information fusion
multiple convolution neutral networks(MCNNs)
least absolute shrinkage and selection operator(Lasso)
transfer learning
-
分类号
TH133.3
[机械工程—机械制造及自动化]
TP277
[自动化与计算机技术—检测技术与自动化装置]
-
-
题名基于视觉传达技术的激光图像多级融合方法研究
- 2
-
-
作者
宁晓蕾
张思斯
-
机构
沈阳理工大学
-
出处
《激光杂志》
CAS
北大核心
2024年第4期141-147,共7页
-
基金
辽宁省教育科学课题(No.JG14DB353)
辽宁省社会科学界联合会项目(No.2021lslqnkt-047)。
-
文摘
设计了基于视觉传达技术的激光图像多级融合方法,以获得突出的视觉传达效果。首先采用改进单尺度Retinex算法提取原始激光图的反射图像,并通过高斯-拉普拉斯算法的重构获得的多尺度彩色图像,实现原始激光图像的增强,然后采用深度堆叠卷积神经网络对获得高、低频图像,并依据最大局部方差融高频图像,根据匹配度与阈值的对比融合低频图像,最后实验结果表明:堆叠CNN数量为4时,融合后的激光图像视觉传达效果最优,该方法增强后的激光图像局部细节信息丰富、色彩饱满度好,融合图像的图像最大灰度值频率仅为0.015。
-
关键词
视觉传达技术
激光图像
多级融合
单尺度Retinex
深度堆叠卷积神经网络
融合规则
-
Keywords
visual communication technology
laser images
multi level fusion
single scale Retinex
deep stac-king convolutional neural network
fusion rules
-
分类号
TN751
[电子电信—电路与系统]
-
