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
基于CKAGAN的车辆传动系统轴承数据生成异常检测方法
1
作者
郝乃芃
陈涛
+1 位作者
贾然
胡谦
《机电工程》
北大核心
2025年第8期1512-1520,共9页
针对车辆传动系统轴承的异常样本稀缺,导致异常检测模型难以得到有效训练且准确率不足的问题,提出了一种基于卷积科尔莫戈洛夫-阿诺德生成对抗网络(CKAGAN)的数据生成异常检测方法,即采用卷积科尔莫戈洛夫-阿诺德网络(ConvKAN)作为生成...
针对车辆传动系统轴承的异常样本稀缺,导致异常检测模型难以得到有效训练且准确率不足的问题,提出了一种基于卷积科尔莫戈洛夫-阿诺德生成对抗网络(CKAGAN)的数据生成异常检测方法,即采用卷积科尔莫戈洛夫-阿诺德网络(ConvKAN)作为生成器和判别器的主要结构,以提升生成数据样本的质量和模型收敛速度。首先,使用短时傅里叶变换(STFT)获得了轴承振动信号的时频图样本,利用ConvKAN构建数据生成模型CKAGAN,并将轴承振动信号的不平衡数据集扩充至正常水平;然后,构建了用于异常数据分类的深度卷积神经网络,并将扩充后的数据与原始数据共同输入到模型中进行了训练;最后,采用实际车辆运行过程中采集到的实验数据,开展了轴承振动数据的异常检测实验。研究结果表明:基于CKAGAN的异常检测方法能够有效平衡异常数据集,使模型得到充分的训练并显著提升异常检测的准确率,为提高车辆传动系统轴承异常检测准确率提供了一种有效途径;其中,在实际的车辆传动系统轴承异常检测实验中,以50的异常样本量为例,CKAGAN生成的样本质量高于深度卷积生成对抗网络(DCGAN),生成样本的弗雷歇距离(FID)值分别为31和86;同时,CKAGAN异常检测方法的F1分数相较于未扩充数据集和DCGAN异常检测方法分别提升了27.17%和15.33%。可见CKAGAN方法能有效解决车辆传动系统轴承的异常检测准确率不足的问题。
展开更多
关键词
机械传动
深沟球轴承
卷积
科尔
莫
戈洛夫
-
阿诺
德生成对抗
网络
短时傅里叶变换
数据不平衡
样本生成
深度卷积生成对抗
网络
弗雷歇距离
在线阅读
下载PDF
职称材料
双向建模增强TKAN和全局注意力机制融合的滚动轴承剩余寿命预测
2
作者
姜蕾
郑建飞
+3 位作者
胡昌华
赵瑞星
韩其辉
杨立浩
《自动化学报》
2025年第8期1857-1868,共12页
滚动轴承剩余使用寿命(RUL)的精准预测是确保设备或系统安全可靠运行的关键.针对滚动轴承RUL预测中多维退化特征的长期依赖关系难以有效建模的问题,提出一种双向时间序列建模与注意力机制融合的预测模型——双向时序科尔莫戈洛夫−阿诺...
滚动轴承剩余使用寿命(RUL)的精准预测是确保设备或系统安全可靠运行的关键.针对滚动轴承RUL预测中多维退化特征的长期依赖关系难以有效建模的问题,提出一种双向时间序列建模与注意力机制融合的预测模型——双向时序科尔莫戈洛夫−阿诺尔德注意力网络(Bi-TKAN-Att).该模型兼具了时序科尔莫戈洛夫−阿诺尔德网络的强时序建模能力和全局注意力机制的关键特征提取能力,采用双向建模的方式捕捉前后向信息,最终实现了具有长期依赖多维退化特征的滚动轴承RUL预测.所提方法在滚动轴承数据集上进行实验验证,结果表明Bi-TKAN-Att模型在捕获滚动轴承退化特性和提升RUL预测精度方面具有显著优势,并通过消融实验证明了模型各组件的合理性和有效性,为滚动轴承的寿命预测提供了全新可行的解决方案.
展开更多
关键词
剩余使用寿命预测
滚动轴承
时序科尔莫戈洛夫-阿诺尔德网络
双向建模
全局注意力机制
在线阅读
下载PDF
职称材料
题名
基于CKAGAN的车辆传动系统轴承数据生成异常检测方法
1
作者
郝乃芃
陈涛
贾然
胡谦
机构
北京信息科技大学现代测控技术教育部重点实验室
机电系统测控北京市重点实验室
国有南岭机械厂
出处
《机电工程》
北大核心
2025年第8期1512-1520,共9页
基金
国家自然科学基金资助项目(52175074)
北京市教委科研计划科技一般项目(KM202311232006)。
文摘
针对车辆传动系统轴承的异常样本稀缺,导致异常检测模型难以得到有效训练且准确率不足的问题,提出了一种基于卷积科尔莫戈洛夫-阿诺德生成对抗网络(CKAGAN)的数据生成异常检测方法,即采用卷积科尔莫戈洛夫-阿诺德网络(ConvKAN)作为生成器和判别器的主要结构,以提升生成数据样本的质量和模型收敛速度。首先,使用短时傅里叶变换(STFT)获得了轴承振动信号的时频图样本,利用ConvKAN构建数据生成模型CKAGAN,并将轴承振动信号的不平衡数据集扩充至正常水平;然后,构建了用于异常数据分类的深度卷积神经网络,并将扩充后的数据与原始数据共同输入到模型中进行了训练;最后,采用实际车辆运行过程中采集到的实验数据,开展了轴承振动数据的异常检测实验。研究结果表明:基于CKAGAN的异常检测方法能够有效平衡异常数据集,使模型得到充分的训练并显著提升异常检测的准确率,为提高车辆传动系统轴承异常检测准确率提供了一种有效途径;其中,在实际的车辆传动系统轴承异常检测实验中,以50的异常样本量为例,CKAGAN生成的样本质量高于深度卷积生成对抗网络(DCGAN),生成样本的弗雷歇距离(FID)值分别为31和86;同时,CKAGAN异常检测方法的F1分数相较于未扩充数据集和DCGAN异常检测方法分别提升了27.17%和15.33%。可见CKAGAN方法能有效解决车辆传动系统轴承的异常检测准确率不足的问题。
关键词
机械传动
深沟球轴承
卷积
科尔
莫
戈洛夫
-
阿诺
德生成对抗
网络
短时傅里叶变换
数据不平衡
样本生成
深度卷积生成对抗
网络
弗雷歇距离
Keywords
mechanical transmission
deep groove ball bearing
convolutional Kolmogorov
-
Arnold generative adversarial network(CKAGAN)
short
-
time Fourier transform(STFT)
imbalanced data
sample generation
deep convolutional generative adversarial network(DCGAN)
Fréchet inception distance(FID)
分类号
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
双向建模增强TKAN和全局注意力机制融合的滚动轴承剩余寿命预测
2
作者
姜蕾
郑建飞
胡昌华
赵瑞星
韩其辉
杨立浩
机构
火箭军工程大学导弹工程学院
出处
《自动化学报》
2025年第8期1857-1868,共12页
基金
国家重大科研仪器研制项目(62227814)
国家自然科学基金(62233017,62373369)资助。
文摘
滚动轴承剩余使用寿命(RUL)的精准预测是确保设备或系统安全可靠运行的关键.针对滚动轴承RUL预测中多维退化特征的长期依赖关系难以有效建模的问题,提出一种双向时间序列建模与注意力机制融合的预测模型——双向时序科尔莫戈洛夫−阿诺尔德注意力网络(Bi-TKAN-Att).该模型兼具了时序科尔莫戈洛夫−阿诺尔德网络的强时序建模能力和全局注意力机制的关键特征提取能力,采用双向建模的方式捕捉前后向信息,最终实现了具有长期依赖多维退化特征的滚动轴承RUL预测.所提方法在滚动轴承数据集上进行实验验证,结果表明Bi-TKAN-Att模型在捕获滚动轴承退化特性和提升RUL预测精度方面具有显著优势,并通过消融实验证明了模型各组件的合理性和有效性,为滚动轴承的寿命预测提供了全新可行的解决方案.
关键词
剩余使用寿命预测
滚动轴承
时序科尔莫戈洛夫-阿诺尔德网络
双向建模
全局注意力机制
Keywords
Remaining useful life prediction
rolling bearing
temporal Kolmogorov
-
Arnold networks
bidirectional modeling
global attention mechanism
分类号
TH133.33 [机械工程]
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CKAGAN的车辆传动系统轴承数据生成异常检测方法
郝乃芃
陈涛
贾然
胡谦
《机电工程》
北大核心
2025
0
在线阅读
下载PDF
职称材料
2
双向建模增强TKAN和全局注意力机制融合的滚动轴承剩余寿命预测
姜蕾
郑建飞
胡昌华
赵瑞星
韩其辉
杨立浩
《自动化学报》
2025
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
