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
利用WDCNN-GRU模型的变转速轴承故障诊断技术研究
1
作者
刘馨雅
马超
+1 位作者
黄民
张占一
《组合机床与自动化加工技术》
北大核心
2025年第1期138-142,149,共6页
针对变转速工况下,为了提高轴承故障诊断的效率、准确度和稳定性,提出一种基于宽卷积核门控循环的混合神经网络模型。首先,采用计算阶次跟踪对原始信号做角域重采样处理,消除变转速带来的信号不具备周期性、特征混叠、频率偏移等问题;然...
针对变转速工况下,为了提高轴承故障诊断的效率、准确度和稳定性,提出一种基于宽卷积核门控循环的混合神经网络模型。首先,采用计算阶次跟踪对原始信号做角域重采样处理,消除变转速带来的信号不具备周期性、特征混叠、频率偏移等问题;然后,通过宽卷积核卷积网络提取角域信号特征,结合门控循环神经网络捕捉时序信息,使信号特征挖掘更加全面。为验证该方法的有效性,从多个方面结合多个模型进行对比实验。实验结果表明,所提模型的平均准确率均高于对比模型,具备高准确率、高效率及稳定性的特点。
展开更多
关键词
变转速轴承
故障诊断
宽卷积核网络
门控循环
网络
在线阅读
下载PDF
职称材料
跳连接变分自编码器与CNN相结合的滚动轴承故障诊断方法
2
作者
张洪亮
余其源
王锐
《机械科学与技术》
CSCD
北大核心
2024年第4期681-689,共9页
针对滚动轴承故障率小、不易收集故障数据的问题,提出基于跳跃连接变分自编码器与宽核深度卷积神经网络相结合的小样本故障诊断方法。该方法首先在变分自编码器的编码和解码之间引入跳跃连接结构,并将Tanh作为网络的激活函数,进而提高...
针对滚动轴承故障率小、不易收集故障数据的问题,提出基于跳跃连接变分自编码器与宽核深度卷积神经网络相结合的小样本故障诊断方法。该方法首先在变分自编码器的编码和解码之间引入跳跃连接结构,并将Tanh作为网络的激活函数,进而提高生成样本的特征多样性;其次,构建宽核深度卷积网络诊断模型,该模型可以提高从振动信号中提取故障特征的能力;最后,经生成样本扩充的数据集作为模型输入,提高训练集包含的特征信息量,实现小样本下的故障诊断。实验分析表明,所提方法在小样本情形下能生成有效的伪样本并具有较高的诊断精度。
展开更多
关键词
故障诊断
跳跃连接变分自编码器
数据生成
宽
核
深度
卷积
神经
网络
在线阅读
下载PDF
职称材料
题名
利用WDCNN-GRU模型的变转速轴承故障诊断技术研究
1
作者
刘馨雅
马超
黄民
张占一
机构
北京信息科技大学机电工程学院
北京信息科技大学现代测控技术教育部重点实验室
北京东方振动和噪声技术研究所
出处
《组合机床与自动化加工技术》
北大核心
2025年第1期138-142,149,共6页
基金
北京市科学技术概念验证项目(20220481077)。
文摘
针对变转速工况下,为了提高轴承故障诊断的效率、准确度和稳定性,提出一种基于宽卷积核门控循环的混合神经网络模型。首先,采用计算阶次跟踪对原始信号做角域重采样处理,消除变转速带来的信号不具备周期性、特征混叠、频率偏移等问题;然后,通过宽卷积核卷积网络提取角域信号特征,结合门控循环神经网络捕捉时序信息,使信号特征挖掘更加全面。为验证该方法的有效性,从多个方面结合多个模型进行对比实验。实验结果表明,所提模型的平均准确率均高于对比模型,具备高准确率、高效率及稳定性的特点。
关键词
变转速轴承
故障诊断
宽卷积核网络
门控循环
网络
Keywords
variable speed bearing
fault diagnosis
wide convolutional kernel network
gated recurrent network
分类号
TH133.33 [机械工程—机械制造及自动化]
TG66 [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
跳连接变分自编码器与CNN相结合的滚动轴承故障诊断方法
2
作者
张洪亮
余其源
王锐
机构
安徽工业大学管理科学与工程学院
苏州大学轨道交通学院
出处
《机械科学与技术》
CSCD
北大核心
2024年第4期681-689,共9页
基金
安徽省自然科学基金项目(2108085MG236)
安徽省普通高校重点实验室开放基金重点项目(CS2021-ZD01)。
文摘
针对滚动轴承故障率小、不易收集故障数据的问题,提出基于跳跃连接变分自编码器与宽核深度卷积神经网络相结合的小样本故障诊断方法。该方法首先在变分自编码器的编码和解码之间引入跳跃连接结构,并将Tanh作为网络的激活函数,进而提高生成样本的特征多样性;其次,构建宽核深度卷积网络诊断模型,该模型可以提高从振动信号中提取故障特征的能力;最后,经生成样本扩充的数据集作为模型输入,提高训练集包含的特征信息量,实现小样本下的故障诊断。实验分析表明,所提方法在小样本情形下能生成有效的伪样本并具有较高的诊断精度。
关键词
故障诊断
跳跃连接变分自编码器
数据生成
宽
核
深度
卷积
神经
网络
Keywords
fault diagnosis
jump connected variational auto-encoder
data generation
deep convolution neural network with wide kernel
分类号
TH133.33 [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
作者
出处
发文年
被引量
操作
1
利用WDCNN-GRU模型的变转速轴承故障诊断技术研究
刘馨雅
马超
黄民
张占一
《组合机床与自动化加工技术》
北大核心
2025
0
在线阅读
下载PDF
职称材料
2
跳连接变分自编码器与CNN相结合的滚动轴承故障诊断方法
张洪亮
余其源
王锐
《机械科学与技术》
CSCD
北大核心
2024
0
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
