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
2
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
基于改进堆叠去噪自编码的接地故障选线方法
1
作者
常宛露
许刚
+2 位作者
张丙旭
郑伟彦
俞腾飞
《计算机应用与软件》
北大核心
2020年第7期49-55,60,共8页
针对小电流接地系统单相接地故障时受噪声干扰、故障类型和数据样本数量等影响造成选线精度低的问题,提出一种基于改进堆叠去噪自编码的选线方法。根据故障零序电流分布特征,提出信号-图像转换的预处理方法以在无须预定义参数的情况下...
针对小电流接地系统单相接地故障时受噪声干扰、故障类型和数据样本数量等影响造成选线精度低的问题,提出一种基于改进堆叠去噪自编码的选线方法。根据故障零序电流分布特征,提出信号-图像转换的预处理方法以在无须预定义参数的情况下提取原始故障信号的二维特征;通过常数项惩罚样本之间度量距离并作为正则化项限制目标函数的方法改进堆叠去噪自编码网络,提高模型特征学习性能并减少模型训练所需样本数量;通过改进模型实现故障特征自动提取与选线。仿真实验验证了该方法在不同单相接地故障条件下的有效性,并且选线精度高于传统的深度学习方法。
展开更多
关键词
单相接地故障
信号-图像转换
度量距离
堆叠去噪自编码
在线阅读
下载PDF
职称材料
基于贝叶斯优化的SWDAE-LSTM滚动轴承早期故障预测方法研究
被引量：
48
2
作者
石怀涛
尚亚俊
+2 位作者
白晓天
郭磊
马辉
《振动与冲击》
EI
CSCD
北大核心
2021年第18期286-297,共12页
针对滚动轴承的早期故障特征较弱,在强噪声背景下难以有效提取以致生命周期很难准确预测的问题,提出了一种基于贝叶斯优化(BO)的滑动窗堆叠去噪自编码器(SWDAE)和长短期记忆(LSTM)网络的早期故障预测模型。使用滑动窗算法保留具有非线...
针对滚动轴承的早期故障特征较弱,在强噪声背景下难以有效提取以致生命周期很难准确预测的问题,提出了一种基于贝叶斯优化(BO)的滑动窗堆叠去噪自编码器(SWDAE)和长短期记忆(LSTM)网络的早期故障预测模型。使用滑动窗算法保留具有非线性特征和时序特征的历史正常数据,输入到模型中进行训练,使模型学习滚动轴承的正常运行状态趋势。将滚动轴承运行的数据输入到训练好的SWDAE-LSTM模型中进行实时在线监控,利用模型的预测值与真实值的残差检测滚动轴承早期故障。针对模型超参数组合选择困难的问题,使用贝叶斯优化算法对模型的超参数进行调优。最后,使用美国辛辛那提大学智能维护中心(IMSCenter)的轴承全生命周期数据以及机械故障综合模拟实验装置获取的数据进行仿真实验验证。结果表明,使用贝叶斯优化算法进行智能调参的模型和基于时域指标的方法对比,可以更早的有效检测出滚动轴承的早期故障并具有很强的鲁棒性。与其余深度学习方法比较,其模型的诊断准确率高于其他方法,进一步证明了其有效性和可靠性。
展开更多
关键词
滚动轴承
早期故障预测
贝叶斯优化(BO)
滑动窗算法
堆叠去噪自编码
(SWDAE)
长短时记忆(LSTM)网络
在线阅读
下载PDF
职称材料
题名
基于改进堆叠去噪自编码的接地故障选线方法
1
作者
常宛露
许刚
张丙旭
郑伟彦
俞腾飞
机构
华北电力大学电气与电子工程学院
国网浙江省电力公司杭州供电公司
出处
《计算机应用与软件》
北大核心
2020年第7期49-55,60,共8页
基金
国网浙江省电力公司科技项目(5211HZ17000D)。
文摘
针对小电流接地系统单相接地故障时受噪声干扰、故障类型和数据样本数量等影响造成选线精度低的问题,提出一种基于改进堆叠去噪自编码的选线方法。根据故障零序电流分布特征,提出信号-图像转换的预处理方法以在无须预定义参数的情况下提取原始故障信号的二维特征;通过常数项惩罚样本之间度量距离并作为正则化项限制目标函数的方法改进堆叠去噪自编码网络,提高模型特征学习性能并减少模型训练所需样本数量;通过改进模型实现故障特征自动提取与选线。仿真实验验证了该方法在不同单相接地故障条件下的有效性,并且选线精度高于传统的深度学习方法。
关键词
单相接地故障
信号-图像转换
度量距离
堆叠去噪自编码
Keywords
Single-phase-to-ground fault
Signal-image conversion
Metric distance
Stacked denoising automatic encoder
分类号
TP301.6 [自动化与计算机技术—计算机系统结构]
在线阅读
下载PDF
职称材料
题名
基于贝叶斯优化的SWDAE-LSTM滚动轴承早期故障预测方法研究
被引量：
48
2
作者
石怀涛
尚亚俊
白晓天
郭磊
马辉
机构
沈阳建筑大学机械工程学院
东北大学机械工程与自动化学院
出处
《振动与冲击》
EI
CSCD
北大核心
2021年第18期286-297,共12页
基金
国家自然科学基金(51705341,51905357,51675353)
国家重点研发计划(2017YFC0703903)。
文摘
针对滚动轴承的早期故障特征较弱,在强噪声背景下难以有效提取以致生命周期很难准确预测的问题,提出了一种基于贝叶斯优化(BO)的滑动窗堆叠去噪自编码器(SWDAE)和长短期记忆(LSTM)网络的早期故障预测模型。使用滑动窗算法保留具有非线性特征和时序特征的历史正常数据,输入到模型中进行训练,使模型学习滚动轴承的正常运行状态趋势。将滚动轴承运行的数据输入到训练好的SWDAE-LSTM模型中进行实时在线监控,利用模型的预测值与真实值的残差检测滚动轴承早期故障。针对模型超参数组合选择困难的问题,使用贝叶斯优化算法对模型的超参数进行调优。最后,使用美国辛辛那提大学智能维护中心(IMSCenter)的轴承全生命周期数据以及机械故障综合模拟实验装置获取的数据进行仿真实验验证。结果表明,使用贝叶斯优化算法进行智能调参的模型和基于时域指标的方法对比,可以更早的有效检测出滚动轴承的早期故障并具有很强的鲁棒性。与其余深度学习方法比较,其模型的诊断准确率高于其他方法,进一步证明了其有效性和可靠性。
关键词
滚动轴承
早期故障预测
贝叶斯优化(BO)
滑动窗算法
堆叠去噪自编码
(SWDAE)
长短时记忆(LSTM)网络
Keywords
rolling bearing
initial fault diagnosis
Bayesian optimization(BO)
sliding window algorithm
stacked denoising auto encoder(SDAE)
long short-term memory(LSTM)network
分类号
TH17 [机械工程—机械制造及自动化]
TP206.3 [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
作者
出处
发文年
被引量
操作
1
基于改进堆叠去噪自编码的接地故障选线方法
常宛露
许刚
张丙旭
郑伟彦
俞腾飞
《计算机应用与软件》
北大核心
2020
0
在线阅读
下载PDF
职称材料
2
基于贝叶斯优化的SWDAE-LSTM滚动轴承早期故障预测方法研究
石怀涛
尚亚俊
白晓天
郭磊
马辉
《振动与冲击》
EI
CSCD
北大核心
2021
48
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
