滚动轴承出现故障时的振动信号往往具有周期性的冲击特征,在频谱中会出现多倍频调制的宽频信息。当利用传统的循环谱分析方法(Cyclic Spectrum Density,CSD)进行分析时,在谱图中往往包含着较多的噪声干扰成分,难以准确提取出滚动轴承的...滚动轴承出现故障时的振动信号往往具有周期性的冲击特征,在频谱中会出现多倍频调制的宽频信息。当利用传统的循环谱分析方法(Cyclic Spectrum Density,CSD)进行分析时,在谱图中往往包含着较多的噪声干扰成分,难以准确提取出滚动轴承的故障特征。因此,提出一种基于信息熵的循环谱分析方法(Cyclic Spectrum Density based on Entropy,CSDE),利用每个循环频率切片的熵值大小来衡量该循环频率的信息量,以表征该循环频率的调制能力,并以此作为加权因子,对每个循环频率赋予不同的权重大小,以弱化干扰频率的影响,最终实现故障特征的提取和故障严重程度的判断。分别利用共振解调、CSD和CSDE三种方法对实验台滚动轴承外圈故障和工业现场大脱硫风机滚动轴承故障进行分析,验证了新方法在滚动轴承故障诊断中的有效性。展开更多
现有用户画像方法缺乏不同粒度文本信息表示,且特征提取阶段存在噪声,导致构建画像不够准确。针对以上问题,提出一种融合多粒度信息的用户画像生成方法(user profile based on multi-granularity information fusion,UP-MGIF)。首先,该...现有用户画像方法缺乏不同粒度文本信息表示,且特征提取阶段存在噪声,导致构建画像不够准确。针对以上问题,提出一种融合多粒度信息的用户画像生成方法(user profile based on multi-granularity information fusion,UP-MGIF)。首先,该方法在嵌入层融合字粒度、词粒度表示向量以扩充特征内容;其次,在改进双向门控循环单元网络基础上,结合降噪自编码器和注意力机制设计一种特征提取混合模型Bi-GRU-DAE-Attention,实现特征降噪和语义增强;最后,将鲁棒性强的特征向量输入到分类器中实现用户画像生成。实验表明,该用户画像生成方法在医疗和互联网两个画像数据集上的分类准确率高于其他基线方法,并通过消融实验验证了各个模块的有效性。展开更多
文摘滚动轴承出现故障时的振动信号往往具有周期性的冲击特征,在频谱中会出现多倍频调制的宽频信息。当利用传统的循环谱分析方法(Cyclic Spectrum Density,CSD)进行分析时,在谱图中往往包含着较多的噪声干扰成分,难以准确提取出滚动轴承的故障特征。因此,提出一种基于信息熵的循环谱分析方法(Cyclic Spectrum Density based on Entropy,CSDE),利用每个循环频率切片的熵值大小来衡量该循环频率的信息量,以表征该循环频率的调制能力,并以此作为加权因子,对每个循环频率赋予不同的权重大小,以弱化干扰频率的影响,最终实现故障特征的提取和故障严重程度的判断。分别利用共振解调、CSD和CSDE三种方法对实验台滚动轴承外圈故障和工业现场大脱硫风机滚动轴承故障进行分析,验证了新方法在滚动轴承故障诊断中的有效性。
文摘现有用户画像方法缺乏不同粒度文本信息表示,且特征提取阶段存在噪声,导致构建画像不够准确。针对以上问题,提出一种融合多粒度信息的用户画像生成方法(user profile based on multi-granularity information fusion,UP-MGIF)。首先,该方法在嵌入层融合字粒度、词粒度表示向量以扩充特征内容;其次,在改进双向门控循环单元网络基础上,结合降噪自编码器和注意力机制设计一种特征提取混合模型Bi-GRU-DAE-Attention,实现特征降噪和语义增强;最后,将鲁棒性强的特征向量输入到分类器中实现用户画像生成。实验表明,该用户画像生成方法在医疗和互联网两个画像数据集上的分类准确率高于其他基线方法,并通过消融实验验证了各个模块的有效性。
