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
3
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
基于拉普拉斯小波滤波和SA-DS-CNN的滚动轴承故障诊断
1
作者
魏亚辉
郭计元
郜帆
《轴承》
北大核心
2023年第2期89-96,共8页
针对基于深度学习模型的滚动轴承故障诊断方法易受环境噪声干扰的问题,提出了一种基于拉普拉斯小波滤波(LWF)和自注意力机制-动态选择-卷积神经网络(SA-DS-CNN)的滚动轴承故障诊断模型。首先,提出一种拉普拉斯小波阻尼参数自适应选取策...
针对基于深度学习模型的滚动轴承故障诊断方法易受环境噪声干扰的问题,提出了一种基于拉普拉斯小波滤波(LWF)和自注意力机制-动态选择-卷积神经网络(SA-DS-CNN)的滚动轴承故障诊断模型。首先,提出一种拉普拉斯小波阻尼参数自适应选取策略,使用拉普拉斯小波对采集的滚动轴承振动信号进行相关滤波并进行功率谱变换;其次,基于卷积神经网络框架,引入自注意力机制和动态选择机制,构造SA-DS-CNN;最后,利用SA-DS-CNN提取功率谱特征,根据轴承的不同故障状态定位相关特征信息,实现故障特征的提取和诊断。对N205EM圆柱滚子轴承的故障诊断试验表明:LWF降噪效果较好,能为SA-DS-CNN模型提供优秀的训练样本;SA-DS-CNN模型能抑制无用通道信息,增强网络特征学习能力;LWF和SA-DS-CNN组合模型的故障诊断准确率达到99.65%,优于其他组合模型。
展开更多
关键词
滚动轴承
故障诊断
卷积神经网络
拉普拉斯小波
动态选择层
自注意力机制层
在线阅读
下载PDF
职称材料
应用单演小波分析的织物疵点检测
被引量：
6
2
作者
厉征鑫
周建
+2 位作者
潘如如
刘建立
高卫东
《纺织学报》
EI
CAS
CSCD
北大核心
2016年第9期59-64,共6页
为解决现有织物疵点检测算法对种类繁多的疵点形式尤其是对微弱纹理变化疵点的适应性较弱问题,提出以单演小波分析工具为基础的织物疵点检测算法。通过分数阶拉普拉斯算子与多重调和样条构建各向同性拉普拉斯小波后,对其进行Riesz变换生...
为解决现有织物疵点检测算法对种类繁多的疵点形式尤其是对微弱纹理变化疵点的适应性较弱问题,提出以单演小波分析工具为基础的织物疵点检测算法。通过分数阶拉普拉斯算子与多重调和样条构建各向同性拉普拉斯小波后,对其进行Riesz变换生成Riesz-拉普拉斯小波,实现了织物图像的单演小波分析。对单演小波分析结果中的多分辨率方向与振幅子带,分别设计了最优响应判断标准以及最优响应子带分割方法。实验结果表明,所提出的检测算法能有效分割不同织物纹理中的多种类疵点,分割结果可反映疵点位置与轮廓,对342幅实验样本图像实现了97.37%的检出率,具有较好的自适应性与鲁棒性。
展开更多
关键词
织物疵点检测
单演
小波
分析
RIESZ变换
拉普拉斯小波
多重调和样条
在线阅读
下载PDF
职称材料
基于Laplace小波卷积和BiGRU的少量样本故障诊断方法
被引量：
1
3
作者
罗浩
何超
+3 位作者
陈彪
路颜萍
张欣
张利
《振动与冲击》
EI
CSCD
北大核心
2022年第24期41-50,共10页
针对滚动轴承通常在复杂条件下工作易发生故障以及训练样本较少等问题。提出一种具有全局平均池化(global average pooling,GAP)并融合双路Laplace小波卷积和双向门控循环单元(dual Laplace wavelet convolution bidirectional gated re...
针对滚动轴承通常在复杂条件下工作易发生故障以及训练样本较少等问题。提出一种具有全局平均池化(global average pooling,GAP)并融合双路Laplace小波卷积和双向门控循环单元(dual Laplace wavelet convolution bidirectional gated recurrent unit,DLWCB)的故障诊断方法。首先Laplace小波卷积将原始信号从时域转换为频域,接着利用双路卷积和BiGRU挖掘少量样本的多尺度和时空特征;然后设计GAP降低模型的参数量并全面融合各GRU细胞提取的时空特征。其中从优化算法和目标函数入手,引入标签平滑、AdamP等提升DLWCB应对少量样本的能力,最后实现复杂工况下故障诊断。在两种轴承数据集、有限噪声样本下,50 s内便可完成训练,达到98%以上准确率,所提方法具有良好泛化性、鲁棒性和诊断效率。
展开更多
关键词
拉普拉斯小波
卷积核
双向门控循环单元
标签平滑
故障诊断
少量样本
在线阅读
下载PDF
职称材料
题名
基于拉普拉斯小波滤波和SA-DS-CNN的滚动轴承故障诊断
1
作者
魏亚辉
郭计元
郜帆
机构
驻马店职业技术学院机电工程学院
重庆大学
机械传动国家重点实验室
重庆华数机器人有限公司
出处
《轴承》
北大核心
2023年第2期89-96,共8页
基金
国家自然科学基金资助项目(51775065)。
文摘
针对基于深度学习模型的滚动轴承故障诊断方法易受环境噪声干扰的问题,提出了一种基于拉普拉斯小波滤波(LWF)和自注意力机制-动态选择-卷积神经网络(SA-DS-CNN)的滚动轴承故障诊断模型。首先,提出一种拉普拉斯小波阻尼参数自适应选取策略,使用拉普拉斯小波对采集的滚动轴承振动信号进行相关滤波并进行功率谱变换;其次,基于卷积神经网络框架,引入自注意力机制和动态选择机制,构造SA-DS-CNN;最后,利用SA-DS-CNN提取功率谱特征,根据轴承的不同故障状态定位相关特征信息,实现故障特征的提取和诊断。对N205EM圆柱滚子轴承的故障诊断试验表明:LWF降噪效果较好,能为SA-DS-CNN模型提供优秀的训练样本;SA-DS-CNN模型能抑制无用通道信息,增强网络特征学习能力;LWF和SA-DS-CNN组合模型的故障诊断准确率达到99.65%,优于其他组合模型。
关键词
滚动轴承
故障诊断
卷积神经网络
拉普拉斯小波
动态选择层
自注意力机制层
Keywords
rolling bearing
fault diagnosis
convolution neural network
Laplace wavelet
dynamic selection layer
self attention
分类号
TH133.33 [机械工程—机械制造及自动化]
TH165.3 [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
应用单演小波分析的织物疵点检测
被引量：
6
2
作者
厉征鑫
周建
潘如如
刘建立
高卫东
机构
生态纺织教育部重点实验室(江南大学)
出处
《纺织学报》
EI
CAS
CSCD
北大核心
2016年第9期59-64,共6页
基金
国家自然科学基金项目(61501209)
国家自然科学青年基金项目(61203364)
+1 种基金
高等学校博士学科点专项科研基金项目(20120093130001)
江苏高校优势学科建设工程资助项目(苏政办发[2014]37号)
文摘
为解决现有织物疵点检测算法对种类繁多的疵点形式尤其是对微弱纹理变化疵点的适应性较弱问题,提出以单演小波分析工具为基础的织物疵点检测算法。通过分数阶拉普拉斯算子与多重调和样条构建各向同性拉普拉斯小波后,对其进行Riesz变换生成Riesz-拉普拉斯小波,实现了织物图像的单演小波分析。对单演小波分析结果中的多分辨率方向与振幅子带,分别设计了最优响应判断标准以及最优响应子带分割方法。实验结果表明,所提出的检测算法能有效分割不同织物纹理中的多种类疵点,分割结果可反映疵点位置与轮廓,对342幅实验样本图像实现了97.37%的检出率,具有较好的自适应性与鲁棒性。
关键词
织物疵点检测
单演
小波
分析
RIESZ变换
拉普拉斯小波
多重调和样条
Keywords
fabric defect detection
monogenic wavelet analysis
Riesz transform
Laplace wavelet
polyharmonic spline
分类号
TS101.9 [轻工技术与工程—纺织工程]
在线阅读
下载PDF
职称材料
题名
基于Laplace小波卷积和BiGRU的少量样本故障诊断方法
被引量：
1
3
作者
罗浩
何超
陈彪
路颜萍
张欣
张利
机构
辽宁大学信息学院
东北大学材料科学与工程学院
出处
《振动与冲击》
EI
CSCD
北大核心
2022年第24期41-50,共10页
基金
国家自然科学基金(51704138)
辽宁省教育厅科学技术研究项目(LJKMZ20220450)
辽宁省自然科学基金(2020-BS-082)。
文摘
针对滚动轴承通常在复杂条件下工作易发生故障以及训练样本较少等问题。提出一种具有全局平均池化(global average pooling,GAP)并融合双路Laplace小波卷积和双向门控循环单元(dual Laplace wavelet convolution bidirectional gated recurrent unit,DLWCB)的故障诊断方法。首先Laplace小波卷积将原始信号从时域转换为频域,接着利用双路卷积和BiGRU挖掘少量样本的多尺度和时空特征;然后设计GAP降低模型的参数量并全面融合各GRU细胞提取的时空特征。其中从优化算法和目标函数入手,引入标签平滑、AdamP等提升DLWCB应对少量样本的能力,最后实现复杂工况下故障诊断。在两种轴承数据集、有限噪声样本下,50 s内便可完成训练,达到98%以上准确率,所提方法具有良好泛化性、鲁棒性和诊断效率。
关键词
拉普拉斯小波
卷积核
双向门控循环单元
标签平滑
故障诊断
少量样本
Keywords
Laplace wavelet convolution kernel
bidirectional gated recurrent unit
label smoothing
fault diagnosis
small sample
分类号
TP311 [自动化与计算机技术—计算机软件与理论]
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
作者
出处
发文年
被引量
操作
1
基于拉普拉斯小波滤波和SA-DS-CNN的滚动轴承故障诊断
魏亚辉
郭计元
郜帆
《轴承》
北大核心
2023
0
在线阅读
下载PDF
职称材料
2
应用单演小波分析的织物疵点检测
厉征鑫
周建
潘如如
刘建立
高卫东
《纺织学报》
EI
CAS
CSCD
北大核心
2016
6
在线阅读
下载PDF
职称材料
3
基于Laplace小波卷积和BiGRU的少量样本故障诊断方法
罗浩
何超
陈彪
路颜萍
张欣
张利
《振动与冲击》
EI
CSCD
北大核心
2022
1
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
