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TLR-ADASYN平衡化数据集的MSSA-SVM变压器故障诊断
被引量：
54
1
作者
余松
胡东
+2 位作者
唐超
张丞鸣
谭为民
《高电压技术》
EI
CAS
CSCD
北大核心
2021年第11期3845-3853,共9页
变压器的稳定运行在电力系统安全中扮演重要角色,而变压器故障数据样本的不足会对故障类型的准确识别产生严重影响。论文首先使用了托梅克链接移除和自适应样本合成的方法对原始数据进行去噪处理及少数类数据样本合成;然后修正了部分麻...
变压器的稳定运行在电力系统安全中扮演重要角色,而变压器故障数据样本的不足会对故障类型的准确识别产生严重影响。论文首先使用了托梅克链接移除和自适应样本合成的方法对原始数据进行去噪处理及少数类数据样本合成;然后修正了部分麻雀算法(sparrow search algorithm,SSA)公式,并将其与差分进化算法融合,提出了改良麻雀算法(modified sparrow search algorithm,MSSA);接着构建了一种基于平衡数据集的改良麻雀算法优化支持向量机(modified sparrow search algorithm-support vector machine,MSSA-SVM)的变压器故障诊断模型;最后对BP神经网络(BP neural network,BPNN)、粒子群优化支持向量机(particle swarm optimization-support vector machine,PSO-SVM)、麻雀算法优化支持向量机(sparrow search algorithm-support vector machine,SSA-SVM)和MSSA-SVM进行对比仿真实验。结果显示,各类模型在使用平衡数据集后的平均准确率分别提升了3.12%、6.03%、7.58%、10.23%,验证了所提不平衡数据处理方法的有效性;另外,PSO-SVM、SSA-SVM、MSSA-SVM分别迭代了30次、26次和20次后收敛,其在测试集中Kappa系数分别为0.758、0.785和0.870,这表明了MSSA在该模型优化上具有更强的全局搜索能力。仿真结果说明在变压器数据不平衡的实际背景下,所提变压故障诊断方法具有较高的优越性。
展开更多
关键词
电力变压器
故障诊断
不平衡
类
样本
数据
处理
MSSA-SVM
Kappa系数
在线阅读
下载PDF
职称材料
基于改进深度残差收缩网络的旋转机械故障诊断
被引量：
3
2
作者
杨正理
吴馥云
陈海霞
《机电工程》
CAS
北大核心
2023年第3期344-352,共9页
旋转机械振动信号在多层深度学习过程中会出现退化和过拟合现象,同时含噪数据样本也会使模型故障诊断正确率偏低,数据样本不平衡会引起模型训练具有倾向性,针对以上一系列问题,提出了一种基于改进型深度残差收缩网络(DRSN)的旋转机械故...
旋转机械振动信号在多层深度学习过程中会出现退化和过拟合现象,同时含噪数据样本也会使模型故障诊断正确率偏低,数据样本不平衡会引起模型训练具有倾向性,针对以上一系列问题,提出了一种基于改进型深度残差收缩网络(DRSN)的旋转机械故障诊断方法。首先,对多故障、长时间序列数据样本进行了矩阵化处理,得到了模型容易接受的多维度灰度图故障样本;针对旋转机械从正常状态到故障状态的机械老化过程,采用了多点随机采样方法,构建了全寿命周期数据样本,用于后续的故障诊断;然后,在卷积神经网络(CNN)的基础上,通过引入残差项、注意力机制和焦点损失函数,构建起了多层深度残差收缩网络,对旋转机械进行了故障诊断(其中,残差项降低了训练过程中样本数据的特征损失,避免了模型的退化和过拟合;注意力机制和软阈值化自动设置噪声阈值,降低了噪声对故障诊断精度的影响;焦点损失函数修正了模型训练的倾向性,提高了模型训练效率和灵敏性);最后,利用滚动轴承数据库样本对模型的性能进行了实例验证。研究结果表明:DRSN模型在训练过程中没有出现明显的退化现象,能够始终保持较高的训练效率和故障诊断精度,有效避免了噪声干扰,在不平衡数据集上修正了模型训练的倾向性。与其他模型相比较,DRSN多层模型的平均故障诊断精度提高约1%~6%。
展开更多
关键词
滚动轴承
卷积神经网络
深度残差收缩网络
软阈值化
数据样本不平衡
噪声干扰
在线阅读
下载PDF
职称材料
模糊支持张量训练机及其在滚动轴承故障诊断中的应用
被引量：
3
3
作者
王劲锋
薛玉石
山春凤
《机电工程》
CAS
北大核心
2022年第10期1405-1411,共7页
在进行样本不平衡数据建模时,支持向量机(SVM)无法保护故障信号的特征信息,针对这一问题,提出了一种基于模糊支持张量训练机(FSTTM)的状态评估方法。首先,利用多源故障信号在FSTTM中,构建了张量样本,并在模型中引入了张量训练(TT)分解方...
在进行样本不平衡数据建模时,支持向量机(SVM)无法保护故障信号的特征信息,针对这一问题,提出了一种基于模糊支持张量训练机(FSTTM)的状态评估方法。首先,利用多源故障信号在FSTTM中,构建了张量样本,并在模型中引入了张量训练(TT)分解方法,以提取高阶张量样本中包含的特征信息;然后,利用基于TT核函数,建立了线性不可分下的预测模型,解决了非线性数据的分类问题;最后,在目标函数中设计了模糊因子,使模型对数目较少一类样本及数目较多一类样本的倾向均衡,实现了对样本不平衡数据的有效分类。研究结果表明:采用FSTTM对两种不同的滚动轴承数据进行故障诊断实验,其故障识别准确率均在97%以上,且F-score指标达到0.9800以上;相对于传统支持张量机,FSTTM利用高阶张量和模糊因子构造预测模型,可实现对原始信号状态信息的充分利用和样本不平衡数据的准确分类。
展开更多
关键词
故障信号特征信息
模糊支持张量训练机
张量训练分解方法
支持向量机
样本不
平衡
数据
建模
多源故障信号
模型分类性能
在线阅读
下载PDF
职称材料
题名
基于TLR-ADASYN平衡化数据集的MSSA-SVM变压器故障诊断
被引量：
54
1
作者
余松
胡东
唐超
张丞鸣
谭为民
机构
西南大学工程技术学院
出处
《高电压技术》
EI
CAS
CSCD
北大核心
2021年第11期3845-3853,共9页
基金
国家自然科学基金(51977179)。
文摘
变压器的稳定运行在电力系统安全中扮演重要角色,而变压器故障数据样本的不足会对故障类型的准确识别产生严重影响。论文首先使用了托梅克链接移除和自适应样本合成的方法对原始数据进行去噪处理及少数类数据样本合成;然后修正了部分麻雀算法(sparrow search algorithm,SSA)公式,并将其与差分进化算法融合,提出了改良麻雀算法(modified sparrow search algorithm,MSSA);接着构建了一种基于平衡数据集的改良麻雀算法优化支持向量机(modified sparrow search algorithm-support vector machine,MSSA-SVM)的变压器故障诊断模型;最后对BP神经网络(BP neural network,BPNN)、粒子群优化支持向量机(particle swarm optimization-support vector machine,PSO-SVM)、麻雀算法优化支持向量机(sparrow search algorithm-support vector machine,SSA-SVM)和MSSA-SVM进行对比仿真实验。结果显示,各类模型在使用平衡数据集后的平均准确率分别提升了3.12%、6.03%、7.58%、10.23%,验证了所提不平衡数据处理方法的有效性;另外,PSO-SVM、SSA-SVM、MSSA-SVM分别迭代了30次、26次和20次后收敛,其在测试集中Kappa系数分别为0.758、0.785和0.870,这表明了MSSA在该模型优化上具有更强的全局搜索能力。仿真结果说明在变压器数据不平衡的实际背景下,所提变压故障诊断方法具有较高的优越性。
关键词
电力变压器
故障诊断
不平衡
类
样本
数据
处理
MSSA-SVM
Kappa系数
Keywords
power transformer
fault diagnosis
unbalanced sample data processing
MSSA-SVM
Kappa coefficient
分类号
TM41 [电气工程—电器]
在线阅读
下载PDF
职称材料
题名
基于改进深度残差收缩网络的旋转机械故障诊断
被引量：
3
2
作者
杨正理
吴馥云
陈海霞
机构
三江学院机械与电气工程学院
出处
《机电工程》
CAS
北大核心
2023年第3期344-352,共9页
基金
江苏省高校自然科学研究面上项目(20KJB470029)。
文摘
旋转机械振动信号在多层深度学习过程中会出现退化和过拟合现象,同时含噪数据样本也会使模型故障诊断正确率偏低,数据样本不平衡会引起模型训练具有倾向性,针对以上一系列问题,提出了一种基于改进型深度残差收缩网络(DRSN)的旋转机械故障诊断方法。首先,对多故障、长时间序列数据样本进行了矩阵化处理,得到了模型容易接受的多维度灰度图故障样本;针对旋转机械从正常状态到故障状态的机械老化过程,采用了多点随机采样方法,构建了全寿命周期数据样本,用于后续的故障诊断;然后,在卷积神经网络(CNN)的基础上,通过引入残差项、注意力机制和焦点损失函数,构建起了多层深度残差收缩网络,对旋转机械进行了故障诊断(其中,残差项降低了训练过程中样本数据的特征损失,避免了模型的退化和过拟合;注意力机制和软阈值化自动设置噪声阈值,降低了噪声对故障诊断精度的影响;焦点损失函数修正了模型训练的倾向性,提高了模型训练效率和灵敏性);最后,利用滚动轴承数据库样本对模型的性能进行了实例验证。研究结果表明:DRSN模型在训练过程中没有出现明显的退化现象,能够始终保持较高的训练效率和故障诊断精度,有效避免了噪声干扰,在不平衡数据集上修正了模型训练的倾向性。与其他模型相比较,DRSN多层模型的平均故障诊断精度提高约1%~6%。
关键词
滚动轴承
卷积神经网络
深度残差收缩网络
软阈值化
数据样本不平衡
噪声干扰
Keywords
rolling bearing
convolutional neural networks(CNN)
deep residual shrinkage network(DRSN)
soft threshold
imbalance data samples
noise interference
分类号
TH133.3 [机械工程—机械制造及自动化]
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
模糊支持张量训练机及其在滚动轴承故障诊断中的应用
被引量：
3
3
作者
王劲锋
薛玉石
山春凤
机构
江苏联合职业技术学院扬州技师分院
国机精工股份有限公司
洛阳轴承研究所有限公司
出处
《机电工程》
CAS
北大核心
2022年第10期1405-1411,共7页
基金
国家重点研发计划资助项目(2018YFB2000502)
江苏省职业技术教育学会2021—2022年度江苏职业教育研究立项课题(XHYBLX2021203)
江苏省教育科学研究院2020年江苏省现代教育技术研究课题(2019-R-82143)。
文摘
在进行样本不平衡数据建模时,支持向量机(SVM)无法保护故障信号的特征信息,针对这一问题,提出了一种基于模糊支持张量训练机(FSTTM)的状态评估方法。首先,利用多源故障信号在FSTTM中,构建了张量样本,并在模型中引入了张量训练(TT)分解方法,以提取高阶张量样本中包含的特征信息;然后,利用基于TT核函数,建立了线性不可分下的预测模型,解决了非线性数据的分类问题;最后,在目标函数中设计了模糊因子,使模型对数目较少一类样本及数目较多一类样本的倾向均衡,实现了对样本不平衡数据的有效分类。研究结果表明:采用FSTTM对两种不同的滚动轴承数据进行故障诊断实验,其故障识别准确率均在97%以上,且F-score指标达到0.9800以上;相对于传统支持张量机,FSTTM利用高阶张量和模糊因子构造预测模型,可实现对原始信号状态信息的充分利用和样本不平衡数据的准确分类。
关键词
故障信号特征信息
模糊支持张量训练机
张量训练分解方法
支持向量机
样本不
平衡
数据
建模
多源故障信号
模型分类性能
Keywords
characteristic information of fault signal
fuzzy support tensor train machine(FSTTM)
tensor train(TT)decomposition method
support vector machine(SVM)
sample imbalance modeling
multi-source fault signals
model classification performance
分类号
TH133.33 [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
作者
出处
发文年
被引量
操作
1
基于TLR-ADASYN平衡化数据集的MSSA-SVM变压器故障诊断
余松
胡东
唐超
张丞鸣
谭为民
《高电压技术》
EI
CAS
CSCD
北大核心
2021
54
在线阅读
下载PDF
职称材料
2
基于改进深度残差收缩网络的旋转机械故障诊断
杨正理
吴馥云
陈海霞
《机电工程》
CAS
北大核心
2023
3
在线阅读
下载PDF
职称材料
3
模糊支持张量训练机及其在滚动轴承故障诊断中的应用
王劲锋
薛玉石
山春凤
《机电工程》
CAS
北大核心
2022
3
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
