检索结果-维普期刊中文期刊服务平台

基于核极限学习机自编码器的转盘轴承寿命状态识别被引量：5: 1; 作者潘裕斌王华 +1 位作者陈捷洪荣晶《浙江大学学报（工学版）》 EI CAS CSCD 北大核心 2022年第9期1856-1866,共11页; 针对低速重载转盘轴承运行工况恶劣、故障特征微弱的特点,提出基于飞蛾扑火算法优化多层核极限学习机自编码器(MFO-MLKELM-AE)的转盘轴承寿命状态识别方法.该方法从振动信号的时域和时频域中提取出多个能够表征转盘轴承运行状态的特征向... 展开更多; 关键词低速重载转盘轴承多层核极限学习机自编码器(mlkelm-ae) 飞蛾扑火算法(MFO) 寿命状态识别多领域特征; 在线阅读下载PDF 职称材料

基于稀疏自动编码器与FA-KELM的滚动轴承故障诊断被引量：5: 2; 作者敦泊森柳晨曦王奉涛《噪声与振动控制》 CSCD 2018年第A02期678-682,共5页; 提取滚动轴承有效的故障特征参数是轴承故障诊断重要的组成部分,为改善核极限学习机(Kernel Extreme Learning Machine,KELM)高维数据特征选取的问题,提出一种结合稀疏自动编码器(Sparse Auto-Encoder,SAE)与KELM的方法。首先,提取振动... 展开更多; 关键词振动与波滚动轴承稀疏自动编码器核极限学习机特征提取; 在线阅读下载PDF 职称材料

FDA与ML-KELM结合的机电系统故障识别: 3; 作者文浩侯保林《哈尔滨工业大学学报》 EI CAS CSCD 北大核心 2023年第8期106-115,共10页; 为准确识别坦克自动装弹机中的机电系统故障,提出了一种结合函数型数据分析(Functional data analysis,FDA)和多层核极限学习机(Multi-layer kernel extreme learning machine,ML-KELM)的故障识别方法。首先,以函数的视角对机电系统运... 展开更多; 关键词故障识别特征提取函数型主成分分析主微分分析多层核极限学习机时序数据; 在线阅读下载PDF 职称材料

基于KELM-AE的客户流失预测模型被引量：1: 4; 作者闫志诚李万龙 +1 位作者郑山红苏珂《长春工业大学学报》 CAS 2020年第5期454-460,共7页; 利用极限学习机,只需设置初始隐藏层节点个数,无需动态调整网络输入的权重及偏置即可得出全局最优解。加入核函数减小极限学习机中易受极端随机设定值影响,模型可以进行自编码网络本身无监督学习,具有对离散数据特征提取能力以及特征表... 展开更多; 关键词客户流失预测极限学习机核函数自编码器; 在线阅读下载PDF 职称材料

题名基于核极限学习机自编码器的转盘轴承寿命状态识别被引量：5: 1; 作者潘裕斌王华陈捷洪荣晶; 机构南京工业大学机械与动力工程学院江苏省工业装备数字制造及控制技术重点实验室; 出处《浙江大学学报（工学版）》 EI CAS CSCD 北大核心 2022年第9期1856-1866,共11页; 基金国家自然科学基金资助项目(51875273) 中国博士后科学基金资助项目(2021M691558) +2 种基金江苏省博士后科研资助计划项目(2021K297B)。; 文摘针对低速重载转盘轴承运行工况恶劣、故障特征微弱的特点,提出基于飞蛾扑火算法优化多层核极限学习机自编码器(MFO-MLKELM-AE)的转盘轴承寿命状态识别方法.该方法从振动信号的时域和时频域中提取出多个能够表征转盘轴承运行状态的特征向量,并将其组成高维特征集.采用堆叠多层核极限学习机自编码器(MLKELM-AE),从高维特征集中提取最能反映转盘轴承的寿命状态信息,输入核极限学习机(KELM)模型进行寿命状态识别.在MLKELM-AE学习训练中,采用新的飞蛾扑火算法(MFO)优化惩罚系数和核参数,提高MLKELM-AE的特征识别能力.转盘轴承加速寿命实验表明,MLKELM-AE比多层极限学习机自编码器(MLELMAE)、单层极限学习机(ELM)、KELM的识别精度高,多传感器、多领域特征能够全面反映转盘轴承的寿命状态.; 关键词低速重载转盘轴承多层核极限学习机自编码器(mlkelm-ae) 飞蛾扑火算法(MFO) 寿命状态识别多领域特征; Keywords low-speed heavy-load slewing bearing multi-layer kernel extreme learning machine based autoencoder(mlkelm-ae) moth-flame optimization(MFO) life condition recognition multi-domain features; 分类号 TH17 [机械工程—机械制造及自动化]; 在线阅读下载PDF 职称材料

题名基于稀疏自动编码器与FA-KELM的滚动轴承故障诊断被引量：5: 2; 作者敦泊森柳晨曦王奉涛; 机构大连理工大学振动工程研究所; 出处《噪声与振动控制》 CSCD 2018年第A02期678-682,共5页; 文摘提取滚动轴承有效的故障特征参数是轴承故障诊断重要的组成部分,为改善核极限学习机(Kernel Extreme Learning Machine,KELM)高维数据特征选取的问题,提出一种结合稀疏自动编码器(Sparse Auto-Encoder,SAE)与KELM的方法。首先,提取振动信号的时域、频域和时频域特征构成高维特征向量;其次,采用多层SAE融合高维特征来消除特征的冗余性;最后,采用融合后的特征训练KELM,得到故障诊断模型。针对KELM对参数敏感的缺陷,采用萤火虫算法(IF)进行参数优化。为评估方法有效性,采用实验数据进行测试,并与传统KELM方法进行比较,结果显示该方法具有更好准确性和稳定性。; 关键词振动与波滚动轴承稀疏自动编码器核极限学习机特征提取; Keywords vibration and wave rolling bearing sparse auto-encoder kernel extreme learning machine （KELM） feature extraction; 分类号 TQ050.2 [化学工程] TH133.3 [机械工程—机械制造及自动化]; 在线阅读下载PDF 职称材料

题名FDA与ML-KELM结合的机电系统故障识别: 3; 作者文浩侯保林; 机构南京理工大学机械工程学院; 出处《哈尔滨工业大学学报》 EI CAS CSCD 北大核心 2023年第8期106-115,共10页; 基金总装备部预研项目(104010401)。; 文摘为准确识别坦克自动装弹机中的机电系统故障,提出了一种结合函数型数据分析(Functional data analysis,FDA)和多层核极限学习机(Multi-layer kernel extreme learning machine,ML-KELM)的故障识别方法。首先,以函数的视角对机电系统运行过程中具有平滑特性的时序数据进行特征信息挖掘,利用函数型主成分分析和主微分分析从不同空间将时序数据的变化特性表征为特征参数;其次,对提取的多传感器时序数据的特征进行Relief-F特征筛选,得到与分类强相关的特征;最后,采用ML-KELM对强相关特征进行深度特征学习,获取更抽象的特征表达,进而实现准确的故障识别。结果表明:采用与某坦克自动装弹机中的链式输送机原理一致的实验装置进行故障识别实验,函数型主成分分析和主微分分析能够从不同的特征空间中提取时序数据中的有效故障特征,并且两种方法提取的特征具有互补性;基于多传感器时序数据特征中的强相关特征,使用3层隐含层的ML-KELM能够实现较为准确的故障识别,所提方法具有可行性和有效性,为坦克自动装弹机中的机电系统故障识别的研究提供了一种参考。; 关键词故障识别特征提取函数型主成分分析主微分分析多层核极限学习机时序数据; Keywords fault identification feature extraction functional principal component analysis principal differential analysis multi-layer kernel extreme learning machine time series data; 分类号 TJ307 [兵器科学与技术—火炮、自动武器与弹药工程]; 在线阅读下载PDF 职称材料

题名基于KELM-AE的客户流失预测模型被引量：1: 4; 作者闫志诚李万龙郑山红苏珂; 机构长春工业大学计算机科学与工程学院; 出处《长春工业大学学报》 CAS 2020年第5期454-460,共7页; 文摘利用极限学习机,只需设置初始隐藏层节点个数,无需动态调整网络输入的权重及偏置即可得出全局最优解。加入核函数减小极限学习机中易受极端随机设定值影响,模型可以进行自编码网络本身无监督学习,具有对离散数据特征提取能力以及特征表达的鲁棒性。进行了Kaggle两份公开数据集验证仿真。; 关键词客户流失预测极限学习机核函数自编码器; Keywords customer churn prediction extreme learning machine kernel function self-encoder; 分类号 TP183 [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	基于核极限学习机自编码器的转盘轴承寿命状态识别	潘裕斌王华陈捷洪荣晶	《浙江大学学报（工学版）》 EI CAS CSCD 北大核心	2022	5	在线阅读下载PDF 职称材料
2	基于稀疏自动编码器与FA-KELM的滚动轴承故障诊断	敦泊森柳晨曦王奉涛	《噪声与振动控制》 CSCD	2018	5	在线阅读下载PDF 职称材料
3	FDA与ML-KELM结合的机电系统故障识别	文浩侯保林	《哈尔滨工业大学学报》 EI CAS CSCD 北大核心	2023	0	在线阅读下载PDF 职称材料
4	基于KELM-AE的客户流失预测模型	闫志诚李万龙郑山红苏珂	《长春工业大学学报》 CAS	2020	1	在线阅读下载PDF 职称材料