检索结果-维普期刊中文期刊服务平台

基于条件式Wasserstein生成对抗网络的电力变压器故障样本增强技术被引量：75: 1; 作者刘云鹏许自强 +3 位作者和家慧王权高树国赵军《电网技术》 EI CSCD 北大核心 2020年第4期1505-1513,共9页; 数据非均衡问题是制约机器学习技术在电力变压器故障诊断领域中应用效果的关键因素。为克服传统过采样方法未考虑数据整体分布信息的缺陷,提出了一种基于深度学习的故障数据增强方法,以实现样本库的类别均衡化目标。首先,建立梯度惩罚... 展开更多; 关键词变压器故障诊断非均衡数据集数据增强条件式Wasserstein生成对抗网络梯度惩罚栈式自编码器; 在线阅读下载PDF 职称材料

基于改进生成对抗网络与ConvLSTM的航空发动机剩余寿命预测方法被引量：4: 2; 作者陈维兴常东润李宗帅《电子测量与仪器学报》 CSCD 北大核心 2023年第3期211-221,共11页; 针对航空发动机运行周期内故障数据难以采集而造成的数据失衡等问题,提出一种基于Wasserstein距离与梯度惩罚措施的条件生成对抗网络与卷积长短时记忆网络相结合的预测模型。首先,使用WCGAN-GP模型学习预处理后的时序数据的深层分布特征... 展开更多; 关键词航空发动机 Wasserstein距离梯度惩罚项条件式生成对抗网络剩余寿命预测; 在线阅读下载PDF 职称材料

基于CTGAN-CRS与改进卷积神经网络的变压器故障诊断方法: 3; 作者阎对丰刘昌林 +2 位作者李元超王纪儒孔宪光《高压电器》北大核心 2025年第6期120-130,137,共12页; 为了提升油中溶解气体数据不平衡场景下的电力变压器故障诊断性能,文中提出了一种基于数据增强与特征扩增结合卷积神经网络进行变压器故障诊断的方法。首先,建立一种基于条件式表格生成对抗网络(conditional tabular generative adversa... 展开更多; 关键词变压器故障诊断数据不平衡条件式表格生成对抗网络数据增强卷积神经网络; 在线阅读下载PDF 职称材料

以特征线和高程范围为约束的DEM-cGAN框架被引量：1: 4; 作者江西林王少荣 +1 位作者李文玉汪国平《计算机辅助设计与图形学学报》 EI CSCD 北大核心 2021年第8期1191-1201,共11页; 目前大规模地形生成方法依赖传统数学方法,缺乏用户控制,实现难度较大.尽管深度学习技术已介入地形生成工作中,但缺少相关的训练数据集,且未对经典生成网络的固有缺陷作出改进.为了获得真实感更强的地形数据,构建了一个由地形特征草图... 展开更多; 关键词数字高程模型生成深度学习条件式生成对抗网络地形特征; 在线阅读下载PDF 职称材料

题名基于条件式Wasserstein生成对抗网络的电力变压器故障样本增强技术被引量：75: 1; 作者刘云鹏许自强和家慧王权高树国赵军; 机构河北省输变电设备安全防御重点实验室(华北电力大学) 新能源电力系统国家重点实验室(华北电力大学) 国网河北省电力有限公司电力科学研究院; 出处《电网技术》 EI CSCD 北大核心 2020年第4期1505-1513,共9页; 基金国家电网有限公司总部科技项目(5204DY170010)。; 文摘数据非均衡问题是制约机器学习技术在电力变压器故障诊断领域中应用效果的关键因素。为克服传统过采样方法未考虑数据整体分布信息的缺陷,提出了一种基于深度学习的故障数据增强方法,以实现样本库的类别均衡化目标。首先,建立梯度惩罚优化的条件式Wasserstein生成对抗网络模型以指导多类别故障样本的生成过程,并克服了原始生成对抗网络模型的训练不稳定问题;然后,构建以油中溶解气体无编码比值为特征参量的栈式自编码器诊断模型,并进一步提出了基于数据增强方法的设备故障诊断技术框架;最后,选用由准确率、F1度量以及G-mean组成的评价指标体系对类别均衡化前后的模型诊断效果进行评估对比。算例研究结果表明,相较于传统过采样方法,提出的故障样本增强方法能够更为有效地改善诊断模型对于多数类的分类偏好问题,提升其整体分类性能,可作为电力变压器故障诊断的重要数据预处理环节。; 关键词变压器故障诊断非均衡数据集数据增强条件式Wasserstein生成对抗网络梯度惩罚栈式自编码器; Keywords power transformer fault diagnosis imbalanced dataset data augmentation conditional Wasserstein generative adversarial network gradient penalty stacked autoencoder; 分类号 TM721 [电气工程—电力系统及自动化]; 在线阅读下载PDF 职称材料

题名基于改进生成对抗网络与ConvLSTM的航空发动机剩余寿命预测方法被引量：4: 2; 作者陈维兴常东润李宗帅; 机构中国民航大学电子信息与自动化学院; 出处《电子测量与仪器学报》 CSCD 北大核心 2023年第3期211-221,共11页; 基金国家自然科学基金委员会-中国民航联合研究基金(U1933107) 天津市教委自然科学科研基金(2018KJ237) 中央高校基本科研业务费民航大学专项(3122020025)项目资助。; 文摘针对航空发动机运行周期内故障数据难以采集而造成的数据失衡等问题,提出一种基于Wasserstein距离与梯度惩罚措施的条件生成对抗网络与卷积长短时记忆网络相结合的预测模型。首先,使用WCGAN-GP模型学习预处理后的时序数据的深层分布特征;然后,利用生成器生成故障样本并与真实样本混合,作为训练集输入到基于ConvLSTM网络的预测模型中进行训练。基于C-MAPSS数据集开展验证比较,结果表明:与单一真实样本训练预测模型相比,使用混合数据时性能指标RMSE和Score平均下降了12.65%和48.95%。; 关键词航空发动机 Wasserstein距离梯度惩罚项条件式生成对抗网络剩余寿命预测; Keywords aeroengine Wasserstein distance gradient penalty conditional generation of countermeasure network remaining life prediction; 分类号 TN0 [电子电信—物理电子学] 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

题名基于CTGAN-CRS与改进卷积神经网络的变压器故障诊断方法: 3; 作者阎对丰刘昌林李元超王纪儒孔宪光; 机构西安高压电器研究院股份有限公司西安电子科技大学机电工程学院; 出处《高压电器》北大核心 2025年第6期120-130,137,共12页; 基金国家自然科学基金资助项目(51875432) 中国西电集团揭榜挂帅项目(XD207KJ057)。; 文摘为了提升油中溶解气体数据不平衡场景下的电力变压器故障诊断性能,文中提出了一种基于数据增强与特征扩增结合卷积神经网络进行变压器故障诊断的方法。首先,建立一种基于条件式表格生成对抗网络(conditional tabular generative adversarial network,CTGAN)结合级联式拒绝采样(cascade reject sampling,CRS)的数据增强方法,以实现不平衡数据集的高质量均衡化;其次,构建了一种全类型气体比值结合随机森林算法(gas ratios and random forests,GRRF)的特征构建与筛选方法,提升特征维度并丰富特征多样性;最后,建立基于改进二维卷积神经网络(2D improved convolutional neural network,2D-ICNN)的故障诊断模型,并通过实验验证了提出方法的有效性。结果表明,相较于过采样方法和CTGAN,文中提出的CTGAN-CRS能够有效提高生成数据质量,GRRF特征构建方法可以有效提高数据特征丰富度,在此基础上利用改进2D-ICNN模型进一步提高了故障诊断精度。; 关键词变压器故障诊断数据不平衡条件式表格生成对抗网络数据增强卷积神经网络; Keywords transformer fault diagnosis data imbalance CTGAN data augmentation CNN; 分类号 TM41 [电气工程—电器]; 在线阅读下载PDF 职称材料

题名以特征线和高程范围为约束的DEM-cGAN框架被引量：1: 4; 作者江西林王少荣李文玉汪国平; 机构北京林业大学信息学院北京大学软件与微电子学院国家林业草原林业智能信息处理工程技术研究中心北京大学北京市虚拟仿真与可视化工程技术研究中心山东大学机电与信息工程学院北京大学图形与交互技术实验室; 出处《计算机辅助设计与图形学学报》 EI CSCD 北大核心 2021年第8期1191-1201,共11页; 基金国家重点研发计划(2017YFB1002705) 中央高校基本科研业务费专项(2015ZCQ-XX).; 文摘目前大规模地形生成方法依赖传统数学方法,缺乏用户控制,实现难度较大.尽管深度学习技术已介入地形生成工作中,但缺少相关的训练数据集,且未对经典生成网络的固有缺陷作出改进.为了获得真实感更强的地形数据,构建了一个由地形特征草图、地形灰度图像、高程分割图像和高程模型组成的数据集,并提出以特征线和高程范围为约束的DEM-cGAN框架,设计了一个双尺度并行生成网络ParallelGen.用户通过输入地形特征草图及高程范围,利用DEM-cGAN获得完整的高程数据.对生成结果从视觉效果、数值分析和地理学层面进行多项实验的结果表明,DEM-cGAN框架能正确地生成最大栅格尺寸为512×512像素的高程数据,并还原特征草图中的起伏走势,符合现实中的地理学规律.; 关键词数字高程模型生成深度学习条件式生成对抗网络地形特征; Keywords digital elevation model generation deep learning conditional generative adversarial networks ter-rain feature; 分类号 TP391.41 [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	基于条件式Wasserstein生成对抗网络的电力变压器故障样本增强技术	刘云鹏许自强和家慧王权高树国赵军	《电网技术》 EI CSCD 北大核心	2020	75	在线阅读下载PDF 职称材料
2	基于改进生成对抗网络与ConvLSTM的航空发动机剩余寿命预测方法	陈维兴常东润李宗帅	《电子测量与仪器学报》 CSCD 北大核心	2023	4	在线阅读下载PDF 职称材料
3	基于CTGAN-CRS与改进卷积神经网络的变压器故障诊断方法	阎对丰刘昌林李元超王纪儒孔宪光	《高压电器》北大核心	2025	0	在线阅读下载PDF 职称材料
4	以特征线和高程范围为约束的DEM-cGAN框架	江西林王少荣李文玉汪国平	《计算机辅助设计与图形学学报》 EI CSCD 北大核心	2021	1	在线阅读下载PDF 职称材料