检索结果-维普期刊中文期刊服务平台

基于子空间域对抗判别网络的不同型号滚动轴承剩余寿命预测被引量：1: 1; 作者陈仁祥张雁峰 +2 位作者徐向阳张鹏博杨宝军《仪器仪表学报》 EI CAS CSCD 北大核心 2024年第3期119-127,共9页; 针对不同型号滚动轴承因结构尺寸、运行工况等差异导致轴承退化数据分布和特征尺度不一致,引起剩余寿命预测精度下降的问题,提出基于子空间域对抗判别网络的不同型号滚动轴承剩余寿命预测方法。首先,通过高效通道注意力机制提升特征提... 展开更多; 关键词滚动轴承剩余寿命预测对抗判别域自适应时间卷积网络; 在线阅读下载PDF 职称材料

基于胶囊网络的对抗判别域适应算法被引量：4: 2; 作者戴宏盛立杰苗启广《计算机研究与发展》 EI CSCD 北大核心 2021年第9期1997-2012,共16页; 关于域适应算法的研究显示了对抗性学习填补源域和目标域间差异的有效性,但仍存在其局限性,即仅从2个域抽取的样本不足以保证大部分潜在空间的域不变性.注意到胶囊网络(capsule network,CapsNet)在捕获样本的表征不变性上具有较强的能力... 展开更多; 关键词胶囊网络对抗判别网络域适应生成对抗网络自编码器; 在线阅读下载PDF 职称材料

选择性传输与铰链对抗的多图像域人脸属性迁移被引量：1: 3; 作者林泓陈壮源 +2 位作者任硕李琳李玉强《计算机工程》 CAS CSCD 北大核心 2022年第4期179-190,共12页; 在基于生成对抗网络的人脸属性迁移过程中,存在图像域表达形式单一、图像域迁移细节失真的问题。提出一种结合选择性传输单元与铰链对抗损失的多图像域人脸属性迁移方法。在生成器中,利用自适应实例归一化融合图像的内容信息与图像域控... 展开更多; 关键词生成对抗网络多图像域属性迁移自适应实例归一化选择性传输单元相对属性标签域控制器双尺度判别; 在线阅读下载PDF 职称材料

基于少数据样本的滚动轴承寿命分段预测方法: 4; 作者张朋马孝育 +3 位作者王恒迪李畅邓四二邱小彪《机电工程》 CAS 北大核心 2024年第8期1415-1422,共8页; 针对少数据样本下,滚动轴承难以准确预测剩余使用寿命(RUL)的问题,提出了一种结合卷积长短期记忆网络(ConvLSTM)与对抗性判别域自适应网络(ADDA)的轴承寿命分段预测方法。首先,利用稀疏概率自注意力机制对特征集进行了筛选,提取了具有... 展开更多; 关键词对抗性判别域适应网络卷积长短期记忆网络稀疏概率自注意力机制少数据样本分阶段寿命预测剩余使用寿命; 在线阅读下载PDF 职称材料

基于中间桥层和相似矩阵的深度对抗迁移故障诊断方法: 5; 作者蔡能武兵 +1 位作者李翔宇李聪明《机电工程》 CAS 北大核心 2023年第5期655-663,672,共10页; 采用深度对抗迁移学习算法进行故障诊断时,受到领域中丰富的特征属性的影响,在领域自适应中无法充分学习可用于迁移的共有知识特征,且其在类别水平上忽略了不同类别的对齐程度的差异。针对这一问题,提出了一种基于中间桥层和相似矩阵(MB... 展开更多; 关键词滚动轴承故障跨域诊断识别中间桥层和相似矩阵对抗性迁移学习领域自适应深度卷积神经网络; 在线阅读下载PDF 职称材料

题名基于子空间域对抗判别网络的不同型号滚动轴承剩余寿命预测被引量：1: 1; 作者陈仁祥张雁峰徐向阳张鹏博杨宝军; 机构重庆交通大学交通工程应用机器人重庆市工程试验室重庆智能机器人研究院; 出处《仪器仪表学报》 EI CAS CSCD 北大核心 2024年第3期119-127,共9页; 基金国家自然科学基金项目(51975079) 重庆市教委科学技术研究项目(KJZD-M202200701) +3 种基金重庆交通大学研究生科研创新项目(2023S0123)资助。; 文摘针对不同型号滚动轴承因结构尺寸、运行工况等差异导致轴承退化数据分布和特征尺度不一致,引起剩余寿命预测精度下降的问题,提出基于子空间域对抗判别网络的不同型号滚动轴承剩余寿命预测方法。首先,通过高效通道注意力机制提升特征提取器各通道中重要特征的权重,自适应获取不同型号滚动轴承的深层性能退化特征,并以此预训练标签预测器;然后,在对抗判别网络框架上将域判别器与特征提取器对抗训练,最小化源域和目标域在表征子空间上的正交基距离,利用表征子空间正交基不受特征缩放影响的性质克服特征尺度变化过大引起的回归性能下降问题,实现不同型号滚动轴承间的域自适应;最后,利用训练好的特征提取器提取待预测轴承退化特征,输入标签预测器得到剩余寿命。在PRONOSTIA、XJTU-SY和自测数据集上进行了验证,实验结果表明所提方法能充分学习源域特征分布信息,有效克服不同型号下的特征尺度差异,相比其他域自适应方法效果提升20%至40%。; 关键词滚动轴承剩余寿命预测对抗判别域自适应时间卷积网络; Keywords rolling bearings remaining useful life prediction adversarial discriminative domain adaptation time convolutional network; 分类号 TH165.3 [机械工程—机械制造及自动化] TP18 [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

题名基于胶囊网络的对抗判别域适应算法被引量：4: 2; 作者戴宏盛立杰苗启广; 机构西安电子科技大学计算机科学与技术学院西安市大数据与视觉智能关键技术重点实验室(西安电子科技大学); 出处《计算机研究与发展》 EI CSCD 北大核心 2021年第9期1997-2012,共16页; 基金国家自然科学基金项目(61772396,61902296) 西安市大数据与视觉智能关键技术重点实验室项目(201805053ZD4CG37) 中国博士后科学基金项目(2019M663640)。; 文摘关于域适应算法的研究显示了对抗性学习填补源域和目标域间差异的有效性,但仍存在其局限性,即仅从2个域抽取的样本不足以保证大部分潜在空间的域不变性.注意到胶囊网络(capsule network,CapsNet)在捕获样本的表征不变性上具有较强的能力,通过结合二者得到了一种新的域适应学习算法.首先,提出了胶囊层卷积算法,并结合残差结构,使得训练更深的胶囊网络成为可能.实验表明,这种新的胶囊网络架构能够在捕获浅层特征时取得更佳的效果.其次,传统的对抗判别域适应算法使用的卷积基容易不加分辨地模糊源域与目标域的界限,进而造成判别效果的下降.因此,在VAE-GAN(variational auto-encoder,generative adversarial networks)的启发下,通过引入重建网络作为强约束,巧妙地利用了胶囊网络可调整为自编码器的特性,使得对抗判别域适应网络能够在卷积基进行迁移时,克服传统对抗判别域适应算法易发生模式崩塌的固有缺陷,保证判别器对源域与目标域内样本共性表征的敏感度.实验表明,该方法可以在不同复杂程度的域适应任务中取得较好的性能,并在关键标准数据集上取得了最先进的成果.; 关键词胶囊网络对抗判别网络域适应生成对抗网络自编码器; Keywords capsule network(CapsNet) adversarial discriminative network domain adaptation generative adversarial networks auto-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

题名选择性传输与铰链对抗的多图像域人脸属性迁移被引量：1: 3; 作者林泓陈壮源任硕李琳李玉强; 机构武汉理工大学计算机科学与技术; 出处《计算机工程》 CAS CSCD 北大核心 2022年第4期179-190,共12页; 基金国家社会科学基金(15BGL048)。; 文摘在基于生成对抗网络的人脸属性迁移过程中,存在图像域表达形式单一、图像域迁移细节失真的问题。提出一种结合选择性传输单元与铰链对抗损失的多图像域人脸属性迁移方法。在生成器中,利用自适应实例归一化融合图像的内容信息与图像域控制器生成的样式信息,增加图像域表达方式的多样性,同时通过选择性传输单元将下采样提取的内容特征根据相对属性标签选择性地传输到上采样,形成融合特征以增强图像的细节信息。在判别器中,通过增加双尺度判别,协同鉴定人脸图像的真伪及类别,从而提高判定的准确度。在此基础上,设计融合相对鉴别和铰链损失的对抗损失函数,增强真伪图像域之间的联系。在CelebA数据集上的实验结果表明,与StarGAN、STGAN等主流的多图像域人脸属性迁移方法相比,该方法能够建立更准确的多图像域映射关系,提高迁移图像的质量同时增加迁移图像表达的多样性。; 关键词生成对抗网络多图像域属性迁移自适应实例归一化选择性传输单元相对属性标签域控制器双尺度判别; Keywords Generative Adversarial Network(GAN) attribute migration across multiple image domains adaptive instance normalization Selective Transfer Units(STU) relative attributes label domain controller dual-scale discrimination; 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

题名基于少数据样本的滚动轴承寿命分段预测方法: 4; 作者张朋马孝育王恒迪李畅邓四二邱小彪; 机构河南科技大学机电工程学院陕西华燕航空仪表有限公司山东朝阳轴承有限公司宁波更大集团有限公司; 出处《机电工程》 CAS 北大核心 2024年第8期1415-1422,共8页; 基金山东省重点研发计划项目(2020CXGC011003) 宁波市重点研发计划暨“揭榜挂帅”项目(2023Z006)。; 文摘针对少数据样本下,滚动轴承难以准确预测剩余使用寿命(RUL)的问题,提出了一种结合卷积长短期记忆网络(ConvLSTM)与对抗性判别域自适应网络(ADDA)的轴承寿命分段预测方法。首先,利用稀疏概率自注意力机制对特征集进行了筛选,提取了具有时变性的特征集,以获取最优全局特征,确定分段点以作为ADDA模型的输入;然后,针对不同阶段的退化特点建立了相应的健康评估指标;对处于健康状态的轴承,利用ConvLSTM网络预测了轴承健康阶段的寿命,将健康阶段预测数据作为局部特征输入ADDA网络与最优特征集(全局特征),进行了对抗训练,以实现故障阶段的寿命预测,并使用全连接层输出滚动轴承的预测剩余使用寿命;最后,采用PHM2012数据集与工程试验数据分别对模型进行了验证。研究结果表明:相较于ConvLSTM模型、RNN-HI模型、CNN-LSTM模型,ConvLSTM-ADDA寿命预测方法的平均绝对误差分别降低了78.16%、53.14%、67.13%,平均得分分别提高了66.42%、92.81%、32.37%;相较于LSTM模型、CNN-LSTM模型以及Transformer模型,ConvLSTM-ADDA寿命预测方法的均方误差分别降低了80.11%、54.95%、55.94%。因此,该算法模型能够实现对较少数据样本的轴承寿命进行RUL预测的目的,且具有较高的精度。; 关键词对抗性判别域适应网络卷积长短期记忆网络稀疏概率自注意力机制少数据样本分阶段寿命预测剩余使用寿命; Keywords adversarial discriminative domain adaptation(ADDA) convolutional long short-term memory(ConvLSTM) ProbSpare self-attention fewer data samples phased life projection remaining useful life(RUL); 分类号 TH133.3 [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

题名基于中间桥层和相似矩阵的深度对抗迁移故障诊断方法: 5; 作者蔡能武兵李翔宇李聪明; 机构太原理工大学机械与运载工程学院太原理工大学新型传感器与智能控制教育部重点实验室; 出处《机电工程》 CAS 北大核心 2023年第5期655-663,672,共10页; 基金国家自然科学基金青年基金资助项目(72101173) 山西省科技重大专项(20181102027)。; 文摘采用深度对抗迁移学习算法进行故障诊断时,受到领域中丰富的特征属性的影响,在领域自适应中无法充分学习可用于迁移的共有知识特征,且其在类别水平上忽略了不同类别的对齐程度的差异。针对这一问题,提出了一种基于中间桥层和相似矩阵(MB-SM)的对抗故障诊断模型,以实现对滚动轴承故障进行跨域诊断识别的目的。首先,利用改进的一维多尺度残差网络对数据的特征进行了提取;然后,引入了中间桥层和相似矩阵,完成了对共有知识特征的充分学习,降低了整体网络的数据传输难度,进一步加强了源域和目标域中同一类别内的聚类和类别之间的分离,提高了故障数据的领域适配能力;最后,采用实验室轴承数据集和美国凯斯西储大学(CWRU)数据集,对基于中间桥层和相似矩阵的模型方法进行了验证。研究结果表明:在自建实验室数据集中,采用基于中间桥层和相似矩阵的方法可以达到90.37%的平均准确率;在美国凯斯西储大学(CWRU)数据集中,也可以达到99.34%的平均准确率。相较于其他迁移学习对比模型,采用该模型方法可以获得更好的诊断性能。; 关键词滚动轴承故障跨域诊断识别中间桥层和相似矩阵对抗性迁移学习领域自适应深度卷积神经网络; Keywords rolling bearing fault cross-domain diagnosis and identification middle bridge layer and similarity matrix(MB-SM) adversarial transfer learning domain adaptation deep convolutional neural networks(DCNN); 分类号 TH133.33 [机械工程—机械制造及自动化] 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	作者	出处	发文年	被引量	操作
1	基于子空间域对抗判别网络的不同型号滚动轴承剩余寿命预测	陈仁祥张雁峰徐向阳张鹏博杨宝军	《仪器仪表学报》 EI CAS CSCD 北大核心	2024	1	在线阅读下载PDF 职称材料
2	基于胶囊网络的对抗判别域适应算法	戴宏盛立杰苗启广	《计算机研究与发展》 EI CSCD 北大核心	2021	4	在线阅读下载PDF 职称材料
3	选择性传输与铰链对抗的多图像域人脸属性迁移	林泓陈壮源任硕李琳李玉强	《计算机工程》 CAS CSCD 北大核心	2022	1	在线阅读下载PDF 职称材料
4	基于少数据样本的滚动轴承寿命分段预测方法	张朋马孝育王恒迪李畅邓四二邱小彪	《机电工程》 CAS 北大核心	2024	0	在线阅读下载PDF 职称材料
5	基于中间桥层和相似矩阵的深度对抗迁移故障诊断方法	蔡能武兵李翔宇李聪明	《机电工程》 CAS 北大核心	2023	0	在线阅读下载PDF 职称材料