检索结果-维普期刊中文期刊服务平台

基于时移多尺度波动散布熵和改进核极限学习机的水电机组故障诊断被引量：4: 1; 作者徐哲熙刘婷 +3 位作者任晟民陈建林吴凤娇王斌《工程科学与技术》 EI CAS CSCD 北大核心 2024年第3期41-51,共11页; 水电在能源供给结构改革中承担重要角色,随着风、光、潮汐等新型能源的不断接入,水电机组的负荷运行范围不断加宽,导致水电机组发生事故的概率增加,因此,开展水电机组智能故障诊断研究具有十分重要的现实意义。本文针对水电机组振动信... 展开更多; 关键词时移多尺度波动散布熵核极限学习机算术优化算法水电机组故障诊断; 在线阅读下载PDF 职称材料

基于最优参数VMD和改进散布熵的轴承亚健康状态识别: 2; 作者魏文军甘洁《铁道科学与工程学报》北大核心 2025年第2期887-899,共13页; 针对轴承的亚健康状态存在噪声干扰、模态混叠、状态特征提取困难的问题,提出一种最优参数变分模态分解(variational mode decomposition, VMD)和改进散布熵的轴承亚健康状态识别方法。首先,设计改进的麻雀搜索算法(improved sparrow s... 展开更多; 关键词轴承亚健康状态识别最优参数VMD 改进麻雀搜索算法时移多尺度分数阶散布熵; 在线阅读下载PDF 职称材料

非局部多尺度分数阶微分图像增强算法研究被引量：9: 3; 作者黄果许黎 +1 位作者陈庆利蒲亦非《电子与信息学报》 EI CSCD 北大核心 2019年第12期2972-2979,共8页; 为了更好增强图像中的有用信息,改善图像视觉效果,该文提出了一种基于非局部多尺度分数阶微分图像增强算子(NMFD)。该算子首先将图像分成若干块子图像,计算每一块子图像的边缘强度系数、熵值和粗糙度等细节特征,将得到的特征数据在全局... 展开更多; 关键词图像增强非局部多尺度分数阶微分算子图像熵值图像对比度; 在线阅读下载PDF 职称材料

基于HTMFDE以及ICNN的滚动轴承寿命状态识别方法被引量：1: 4; 作者董绍江刘文龙 +2 位作者方能炜胡小林余腾伟《铁道科学与工程学报》 EI CAS CSCD 北大核心 2023年第2期723-734,共12页; 针对滚动轴承退化性能难以评估、寿命状态难以识别的难题,提出一种结合层次时移多尺度波动散布熵(Hierarchical Time-shifted Multiscale Fluctuation Dispersion Entropy,HTMFDE)、JRD距离(Jensen-Renyi divergence,JRD)以及改进卷积... 展开更多; 关键词寿命状态识别滚动轴承层次时移多尺度波动散布熵 JRD距离改进卷积神经网络; 在线阅读下载PDF 职称材料

题名基于时移多尺度波动散布熵和改进核极限学习机的水电机组故障诊断被引量：4: 1; 作者徐哲熙刘婷任晟民陈建林吴凤娇王斌; 机构西北农林科技大学水利与建筑工程学院; 出处《工程科学与技术》 EI CAS CSCD 北大核心 2024年第3期41-51,共11页; 基金国家自然科学基金项目(51509210) 陕西省重点研发计划项目(2021NY-181)。; 文摘水电在能源供给结构改革中承担重要角色,随着风、光、潮汐等新型能源的不断接入,水电机组的负荷运行范围不断加宽,导致水电机组发生事故的概率增加,因此,开展水电机组智能故障诊断研究具有十分重要的现实意义。本文针对水电机组振动信号中蕴含大量噪声信号,干扰故障诊断的问题,提出一种时移多尺度波动散布熵和改进核极限学习机相结合的水电机组故障诊断方法。首先,结合信息熵理论与时移思想,在多尺度波动散布熵的基础上,采用时移理论替代多尺度波动散布熵(MFDE)中传统的粗粒化过程,提出时移多尺度波动散布熵(TSMFDE),通过仿真实验,证明所提方法具有良好的时序长度鲁棒性、抗噪性及特征提取能力,解决了传统多尺度熵粗粒化不足的问题。然后,利用具有可移植性强、寻优能力强和收敛速度快等特征的算术优化算法(AOA)对核极限学习机(KELM)的正则化参数和核函数参数进行寻优,建立AOA-KELM分类器,解决了KELM超参数难以调节的问题。最终,通过转子试验台模拟实验,将TSMFDE提取的特征输入分类器中,完成模式识别工作。仿真结果表明,所提模型取得最高的诊断精度,达到了100.0%,相对于其他流行模型,本文所提模型展现了明显的优势,验证了所提模型的良好诊断精度。; 关键词时移多尺度波动散布熵核极限学习机算术优化算法水电机组故障诊断; Keywords time-shifted multiscale fluctuation dispersion entropy kernel extreme learning machine arithmetic optimization algorithm hydropower units fault diagnosis; 分类号 TB126 [理学—工程力学]; 在线阅读下载PDF 职称材料

题名基于最优参数VMD和改进散布熵的轴承亚健康状态识别: 2; 作者魏文军甘洁; 机构兰州交通大学自动化与电气工程学院兰州交通大学光电技术与智能控制教育部重点实验室; 出处《铁道科学与工程学报》北大核心 2025年第2期887-899,共13页; 基金国家自然科学基金资助项目(61863023) 甘肃省自然科学基金资助项目(23JRRA868)。; 文摘针对轴承的亚健康状态存在噪声干扰、模态混叠、状态特征提取困难的问题,提出一种最优参数变分模态分解(variational mode decomposition, VMD)和改进散布熵的轴承亚健康状态识别方法。首先,设计改进的麻雀搜索算法(improved sparrow search algorithm, ISSA)来自适应地搜索VMD最优分解参数,从而提高VMD分解效率和质量,然后根据所确定的最优参数对信号进行VMD分解,得到一系列本征模态函数(intrinsic mode function, IMF),接着计算每个IMF与原始信号之间的皮尔逊相关系数(pearson correlation coefficient, PCC),选择相关系数大于0.3的IMF分量来重构信号,以实现信号的降噪和状态特征增强。其次,为了更好地表征轴承信号的复杂度和不规则性,并有效区分轴承健康和亚健康状态,在散布熵中引入时移多尺度分析和分数阶微积分,以提取多个尺度上的轴承微细状态特征。最后,利用欧氏距离刻画轴承状态曲线,根据切比雪夫不等式设定亚健康阈值,当欧氏距离大于亚健康阈值时给出相应预警,完成轴承亚健康状态识别。在XJTU-SY和IMS轴承数据集上的试验结果表明:ISSA算法相比其他优化算法具有更高的收敛速度和精度,最优化参数VMD能有效消除模态混叠问题,改进散布熵能准确提取轴承全寿命状态微细特征。所提算法无须对模型进行训练便能准确识别轴承亚健康状态并给出预警,有利于维护人员更好地维护轴承运行状态。; 关键词轴承亚健康状态识别最优参数VMD 改进麻雀搜索算法时移多尺度分数阶散布熵; Keywords bearings sub-health state identification optimal parameter VMD improved sparrow search algorithm time-shifted multi-scale fractional dispersion entropy; 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

题名非局部多尺度分数阶微分图像增强算法研究被引量：9: 3; 作者黄果许黎陈庆利蒲亦非; 机构乐山师范学院互联网自然语言智能处理四川省高等学校重点实验室乐山师范学院物理与电子工程学院四川大学计算机科学学院; 出处《电子与信息学报》 EI CSCD 北大核心 2019年第12期2972-2979,共8页; 基金国家自然科学基金(61201438) 四川省科技厅应用基础项目(2016JY0238) +2 种基金乐山师范学院科研项目(JG2018-1-04)~~; 文摘为了更好增强图像中的有用信息,改善图像视觉效果,该文提出了一种基于非局部多尺度分数阶微分图像增强算子(NMFD)。该算子首先将图像分成若干块子图像,计算每一块子图像的边缘强度系数、熵值和粗糙度等细节特征,将得到的特征数据在全局图像范围进行统一尺度的归一化,然后对这些归一化的数据进行加权求和作为图像的非局部特征值,最后利用指数函数建立图像细节特征和分数阶微分算子阶次之间的非线性量化关系,在不同的图像子块区域,确定不同尺度的分数阶微分阶次,实现图像的非局部多尺度增强。; 关键词图像增强非局部多尺度分数阶微分算子图像熵值图像对比度; Keywords Image enhancement Non-local Multi-scale Fractional Differential(NMFD)operator Image entropy Image contrast; 分类号 TN391 [电子电信—物理电子学]; 在线阅读下载PDF 职称材料

题名基于HTMFDE以及ICNN的滚动轴承寿命状态识别方法被引量：1: 4; 作者董绍江刘文龙方能炜胡小林余腾伟; 机构重庆交通大学机电与车辆工程学院重庆工业大数据创新中心有限公司; 出处《铁道科学与工程学报》 EI CAS CSCD 北大核心 2023年第2期723-734,共12页; 基金国家自然科学基金资助项目(51775072) 重庆市科技创新领军人才支持计划项目(CSTCCCXLJRC201920) +2 种基金城市轨道交通车辆系统集成与控制实验室开放基金资助项目(CKLURTSIC-KFKT-202007)。; 文摘针对滚动轴承退化性能难以评估、寿命状态难以识别的难题,提出一种结合层次时移多尺度波动散布熵(Hierarchical Time-shifted Multiscale Fluctuation Dispersion Entropy,HTMFDE)、JRD距离(Jensen-Renyi divergence,JRD)以及改进卷积神经网络(Improved convolution neural network,ICNN)的轴承寿命状态识别新方法。首先,在传统多尺度波动散布熵的基础上,将传统均值粗粒化过程替换为改进的时移粗粒化过程,以解决传统均值粗粒化导致信号幅值特征丢失的问题。同时引入层次分解理论,克服多尺度分析方法不能全面提取不同频段故障特征的不足,得到最终的HTMFDE。之后利用HTMFDE方法提取滚动轴承信号的多维状态特征量,并进行归一化形成一组概率分布,计算轴承正常信号与故障信号之间的JRD距离作为性能退化指标。其次,根据构建的JRD性能退化曲线,划分轴承寿命状态并制作数据集,通过标签化的样本训练具有双层多尺度特征提取层的卷积神经网络,建立滚动轴承寿命状态识别模型。为了加快模型的收敛速度,对每层卷积进行批量归一化操作,同时采用全局池化代替全连接层以提升模型的训练效率。最后,在2组不同的轴承数据集上进行实验。实验结果表明,根据HTMFDE构建的JRD性能退化曲线能够精准地识别轴承性能退化起始点以及刻画轴承的退化趋势,所提出的ICNN模型在SNR=0~10 dB环境中平均识别正确率为98.5%,能够准确地识别轴承寿命状态,验证了所提方法的实用性以及有效性。; 关键词寿命状态识别滚动轴承层次时移多尺度波动散布熵 JRD距离改进卷积神经网络; Keywords life state identification rolling bearing hierarchical time-shifted multiscale fluctuation dispersion entropy Jensen-Renyi divergence improved convolutional neural network; 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	基于时移多尺度波动散布熵和改进核极限学习机的水电机组故障诊断	徐哲熙刘婷任晟民陈建林吴凤娇王斌	《工程科学与技术》 EI CAS CSCD 北大核心	2024	4	在线阅读下载PDF 职称材料
2	基于最优参数VMD和改进散布熵的轴承亚健康状态识别	魏文军甘洁	《铁道科学与工程学报》北大核心	2025	0	在线阅读下载PDF 职称材料
3	非局部多尺度分数阶微分图像增强算法研究	黄果许黎陈庆利蒲亦非	《电子与信息学报》 EI CSCD 北大核心	2019	9	在线阅读下载PDF 职称材料
4	基于HTMFDE以及ICNN的滚动轴承寿命状态识别方法	董绍江刘文龙方能炜胡小林余腾伟	《铁道科学与工程学报》 EI CAS CSCD 北大核心	2023	1	在线阅读下载PDF 职称材料