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
共找到1,767篇文章
< 1 2 … 89 >
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：
基于小波域威布尔分布模型的电机滚动轴承故障诊断分析
1
作者 王彦新 郝丽霞 李惠云 《集成电路应用》 2024年第1期154-155,共2页
阐述小波域威布尔分布模型的原理,探讨基于小波域威布尔分布模型的电机滚动轴承故障诊断方法,包括数据采集和预处理、小波变换和威布尔分布模型的应用、故障特征提取和诊断准确性评估。
关键词 小波域 威布尔分布 电机滚动轴承 故障诊断
在线阅读 下载PDF
零序电流及改进峰值能量法在电机滚动轴承故障诊断中的应用
2
作者 李继伟 马浩 尚朋飞 《煤矿机械》 2024年第4期173-175,共3页
基于滚动轴承故障引起的零序电流变化的机理,提出一种采用小波变换及改进峰值能量法的牵引电机轴承故障诊断方法,并进行了案例验证。首先,通过park变换获得零序电流信号;其次,采用小波变换及峰值能量法对零序电流信号分解并平方整流;最... 基于滚动轴承故障引起的零序电流变化的机理,提出一种采用小波变换及改进峰值能量法的牵引电机轴承故障诊断方法,并进行了案例验证。首先,通过park变换获得零序电流信号;其次,采用小波变换及峰值能量法对零序电流信号分解并平方整流;最后,对整流信号进行包络及傅里叶分析,提取其中的轴承故障特征频率,实现轴承的故障诊断。案例结果表明,该方法能够有效地提取轴承故障特征频率,实现对电机轴承的故障诊断。 展开更多
关键词 滚动轴承 零序电流 小波变换 峰值能量 故障诊断
在线阅读 下载PDF
改良GoogLeNet的电机滚动轴承故障诊断 被引量：1
3
作者 任爽 田振川 +2 位作者 林光辉 杨凯 商继财 《吉林大学学报（信息科学版）》 CAS 2022年第3期371-378,共8页
针对电机滚动轴承信号特征人工提取困难、故障分类效果差的问题,利用传统GoogLeNet模型单元与稠密连接思想结合,提出一种改良的GoogLeNet卷积神经网络结构。将提出的改良模型应用于电机滚动轴承的故障诊断试验,对原数据分组处理并贴上... 针对电机滚动轴承信号特征人工提取困难、故障分类效果差的问题,利用传统GoogLeNet模型单元与稠密连接思想结合,提出一种改良的GoogLeNet卷积神经网络结构。将提出的改良模型应用于电机滚动轴承的故障诊断试验,对原数据分组处理并贴上标签后,直接输入到改良模型中进行训练,最后将测试集输入到训练好的模型中,测试其分类准确率。由于诊断过程不需要进行人工特征提取,从而避免了人工提取故障特征时的困难和带来的误差,大大简化了故障识别过程,证明了改良GoogLeNet模型在故障诊断中的可行性。将提出的模型与传统GoogLeNet模型和其他典型模型做对比,结果表明,改良GoogLeNet卷积神经网络模型具有精确度高、特征提取能力强、收敛速度快、表现稳定的特点。 展开更多
关键词 深度学习 电机滚动轴承故障诊断 卷积神经网络 GoogLeNet网络 稠密连接
在线阅读 下载PDF
EEMD联合SOM的电机滚动轴承故障诊断 被引量：6
4
作者 李国华 付振芳 曾璇 《噪声与振动控制》 CSCD 2020年第4期87-91,共5页
针对电机轴承振动信号的非平稳性、提取的信号不精确的特点,提出一种集合经验模态分解(Ensemble Empirical Mode Decomposition,EEMD)、能量矩的特征提取方法与自组织特征映射网络(Self-organizing Maps,SOM)相结合的故障诊断方法。首... 针对电机轴承振动信号的非平稳性、提取的信号不精确的特点,提出一种集合经验模态分解(Ensemble Empirical Mode Decomposition,EEMD)、能量矩的特征提取方法与自组织特征映射网络(Self-organizing Maps,SOM)相结合的故障诊断方法。首先利用EEMD处理原始振动信号,将其分解成一系列具有不同特征时间尺度的固有模态分量(Intrinsic Mode Function,IMF)。由于轴承状态变化,在不同频带下IMF的特征随时间尺度和能量分布的不同而不同,由于能量矩能准确得到IMF的变化能量,故计算出各阶IMF的能量矩构造故障特征向量。其次,利用故障特征向量作为输入来构建SOM网络进行故障识别。最后通过轴承实验验证该方法的正确性。结果表明,该方法采用有限的训练样本就可以快速、准确地诊断滚动轴承故障。 展开更多
关键词 故障诊断 滚动轴承 集合经验模态分解 能量矩 SOM
在线阅读 下载PDF
基于增强形态滤波与三阶累积量对角切片谱的风力发电机滚动轴承故障诊断方法 被引量：6
5
作者 罗园庆 陈长征 赵思雨 《太阳能学报》 EI CAS CSCD 北大核心 2022年第3期373-381,共9页
针对大型风力发电机滚动轴承的故障信号受到强背景噪声干扰不易识别的问题,提出一种基于增强形态滤波与三阶累积量对角切片谱相结合的故障诊断检测方法。该方法首先在研究基本形态学算子的基础上,构建一种新的增强型形态学算子(EMDO);... 针对大型风力发电机滚动轴承的故障信号受到强背景噪声干扰不易识别的问题,提出一种基于增强形态滤波与三阶累积量对角切片谱相结合的故障诊断检测方法。该方法首先在研究基本形态学算子的基础上,构建一种新的增强型形态学算子(EMDO);随后利用特征能量因子(FEF)选择出EMDO算子的最优结构元素尺度;最后利用三阶累积量对角切片谱的消噪性能来进一步增强EMDO算子对风力发电机轴承故障信息的特征提取能力。仿真和对比实验结果表明,所提方法能有效消除高斯白噪生的干扰,对提取风力发电机轴承的故障特征信息起到增强的效果。 展开更多
关键词 风力发电机 形态滤波 三阶累积量对角切片谱 滚动轴承 故障诊断
在线阅读 下载PDF
基于改进加权域对抗网络和混合注意力机制的水电机组滚动轴承故障诊断方法
6
作者 胡志平 王焕河 +2 位作者 田凡 陈万凯 许颜贺 《中国农村水利水电》 北大核心 2025年第1期155-160,共6页
针对水电机组滚动轴承可采集故障样本匮乏、难以完成高效准确故障诊断目标的问题,提出一种基于改进加权域对抗网络(improved weighting domain adversarial network,IWDAN)和混合注意力机制(hybrid attention mechanism,HAM)的机组轴承... 针对水电机组滚动轴承可采集故障样本匮乏、难以完成高效准确故障诊断目标的问题,提出一种基于改进加权域对抗网络(improved weighting domain adversarial network,IWDAN)和混合注意力机制(hybrid attention mechanism,HAM)的机组轴承故障诊断方法。首先,利用小波变换(wavelet transform,WT)将轴承一维振动信号转换为二维时频图,实现更高维度的信号表征;其次,利用IWDAN对源域时频图进行自适应加权,提取更为有效的域间共享特征;最后,将所提取特征作为HAM的输入,有效抑制冗余信息干扰,显著提升诊断效率与精度。通过机组轴承诊断实例分析,验证所提IWDAN-HAM方法具有更加优越的性能,可为机组维护策略的制定提供可靠数据基础。 展开更多
关键词 水电机组 滚动轴承 故障诊断 域对抗网络 注意力机制
在线阅读 下载PDF
基于转频脊线的滚动轴承阶次分析故障诊断
7
作者 张小丽 范攀锋 +3 位作者 李贤耀 王保建 梁旺 王芳珍 《噪声与振动控制》 北大核心 2025年第1期139-145,共7页
针对变转速状况下部分设备难以安装转速计而导致转速信息缺失的问题,提出基于阶次分析的无转速计滚动轴承故障诊断方法。同时针对振动信号处理中时频脊线提取精度不高、轴承转频脊线识别困难等问题,提出基于快速路径优化算法的多时频脊... 针对变转速状况下部分设备难以安装转速计而导致转速信息缺失的问题,提出基于阶次分析的无转速计滚动轴承故障诊断方法。同时针对振动信号处理中时频脊线提取精度不高、轴承转频脊线识别困难等问题,提出基于快速路径优化算法的多时频脊线提取方法和基于脊线拟合优度指标的转频脊线识别方法。首先,利用快速路径优化算法可以抑制相邻时刻频率跳变的特点,提高时频脊线提取精度;其次,通过计算脊线拟合优度值的方法从所提取的多条时频脊线中识别出转频脊线;最后利用识别的转频脊线结合阶次分析,对滚动轴承故障实验振动信号进行分析,验证所提滚动轴承故障诊断方法的可行性。 展开更多
关键词 故障诊断 滚动轴承 脊线识别 阶次分析 变转速工况
在线阅读 下载PDF
一种小样本滚动轴承故障诊断算法
8
作者 宋存利 王子卓 时维国 《中国惯性技术学报》 北大核心 2025年第1期96-106,共11页
针对卷积神经网络在处理滚动轴承时域信号时难以充分提取特征、故障样本稀少及模型泛化性能不足的问题,提出一种基于注意力机制的增强卷积神经网络小样本故障诊断方法。首先,使用连续小波变换将轴承振动信号转化为二维时频图像,以便可... 针对卷积神经网络在处理滚动轴承时域信号时难以充分提取特征、故障样本稀少及模型泛化性能不足的问题,提出一种基于注意力机制的增强卷积神经网络小样本故障诊断方法。首先,使用连续小波变换将轴承振动信号转化为二维时频图像,以便可视化其特征。然后,通过数据增强扩充样本数据,提升模型在小样本情况下的泛化性。为提高特征提取和模型泛化能力,使用MixConv将ConvNeXt V2模型的7×7卷积层重构为不同大小的并行卷积核,增强多尺度特征提取效果;引入卷积注意力机制模块(CBAM)提升关键特征识别能力。该模型在凯斯西储大学、东南大学和渥太华大学的故障数据集上进行实验验证。实验结果表明,所提模型对不同故障的识别率均为100%,与目前常用的7个模型相比,在相同条件下故障识别准确率最高,具有较强的泛化性能。 展开更多
关键词 滚动轴承 故障诊断 注意力机制 连续小波变换 卷积神经网络
在线阅读 下载PDF
基于小波包分解和神经网络集成群的滚动轴承故障诊断
9
作者 柴立平 孟壮壮 +1 位作者 石海峡 李强 《合肥工业大学学报(自然科学版)》 北大核心 2025年第4期447-454,共8页
文章提出一种将多个神经网络相结合的神经网络集成群算法进行滚动轴承故障诊断。首先对原始振动信号进行小波包变换,分别采用小波包能量和小波包样本熵作为特征向量;其次采用多个粒子群优化反向传播(particle swarm optimization-back p... 文章提出一种将多个神经网络相结合的神经网络集成群算法进行滚动轴承故障诊断。首先对原始振动信号进行小波包变换,分别采用小波包能量和小波包样本熵作为特征向量;其次采用多个粒子群优化反向传播(particle swarm optimization-back propagation,PSO-BP)神经网络分别对轴承进行故障诊断,比较分析小波包能量和小波包样本熵作为特征向量的适配程度;再以多个神经网络作为神经网络集成群的基础子网络,通过统计耦合、输出耦合和统计输出耦合形成神经网络集成群的二级网络;最后通过最终统计耦合输出神经网络集成群的分类结果。研究结果表明,该方法可获得理想的滚动轴承故障诊断准确率,在负载变化时具有良好的泛化性能。 展开更多
关键词 滚动轴承 故障诊断 小波包变换 粒子群优化反向传播神经网络 神经网络集成群
在线阅读 下载PDF
基于CWT-IDenseNet的滚动轴承故障诊断方法
10
作者 贾广飞 梁汉文 +2 位作者 杨金秋 武哲 韩雨欣 《河北科技大学学报》 北大核心 2025年第2期129-140,共12页
针对一维信号所含信息不全面和DenseNet网络在变工况下存在过拟合等问题,提出了基于连续小波变换时频图像和改进密集连接卷积网络(improved DenseNet,IDenseNet)的滚动轴承故障诊断方法CWT-IDenseNet。首先,将一维振动信号通过CWT转为... 针对一维信号所含信息不全面和DenseNet网络在变工况下存在过拟合等问题,提出了基于连续小波变换时频图像和改进密集连接卷积网络(improved DenseNet,IDenseNet)的滚动轴承故障诊断方法CWT-IDenseNet。首先,将一维振动信号通过CWT转为二维时频图像;其次,对DenseNet网络进行改进,将DenseNet第1个卷积块中的ReLU激活函数替换为Swish激活函数(Swish激活函数更平滑);同时,在网络中引入基于风格的卷积神经网络重校准模块(style-based recalibration module,SRM)和空间与通道注意力机制模块(convolutional block attention module,CBAM),SRM关注特征通道权重,CBAM则从通道和空间2个维度增强特征表达能力,进而得到IDenseNet;最后,将二维时频图像输入到IDenseNet模型中进行特征提取和故障诊断,通过模型的Softmax层输出故障诊断结果。结果表明,所提方法在恒定工况及变工况下的平均故障识别准确率均达到97.80%,且在迁移学习模型中,平均故障识别准确率达到了99.44%。CWT-IDenseNet方法可以有效提高模型的泛化能力,在恒定工况及变工况下具有显著优势,对提高滚动轴承故障诊断的准确率和可靠性具有参考价值。 展开更多
关键词 机械动力学与振动 滚动轴承故障诊断 连续小波变换 密集连接卷积网络 注意力机制
在线阅读 下载PDF
模糊投影孪生宽度学习及其在滚动轴承故障诊断中的应用
11
作者 郑凤雷 潘海洋 +2 位作者 郑近德 童靳于 程健 《振动与冲击》 北大核心 2025年第8期192-198,共7页
由于通过传感器获得的振动信号往往包含大量的高噪声信息和冗余信息,其严重影响滚动轴承故障诊断的准确性。基于此,提出了一种基于模糊投影孪生宽度学习(fuzzy projection twin broad learning,FPTBL)的滚动轴承故障诊断方法。在FPTBL... 由于通过传感器获得的振动信号往往包含大量的高噪声信息和冗余信息,其严重影响滚动轴承故障诊断的准确性。基于此,提出了一种基于模糊投影孪生宽度学习(fuzzy projection twin broad learning,FPTBL)的滚动轴承故障诊断方法。在FPTBL建模过程中,首先会在特征空间中为每一类数据找到一个投影方向,并利用模糊隶属度函数计算隶属度,评估每个样本属于各类别的可能性,并以此为约束调整投影方向让同类样本相互靠近,异类样本分散开来,以解决模型对噪声信息敏感性的问题。同时,FPTBL不仅关注经验风险最小化,还关注结构风险最小化,为防止模型过拟合,通过构造非平行的投影空间并将正则项纳入目标函数,有效地弱化冗余信息对模型的影响。最后,利用两种滚动轴承数据集进行试验验证,结果表明,FPTBL在准确率、Kappa系数、F_(1)-分数、精确率和召回率等指标下,相较于现有的方法,具有更好的效果。 展开更多
关键词 模糊投影孪生宽度学习(FPTBL) 投影孪生 故障诊断 滚动轴承
在线阅读 下载PDF
脊提取联合ACMD的变转速滚动轴承故障诊断
12
作者 李燕文 马萍 +3 位作者 王聪 梁城 张浩然 张宏立 《噪声与振动控制》 北大核心 2025年第1期89-96,共8页
变转速工况下滚动轴承故障振动信号受转速波动影响,故障特征易受到噪声和其他无关分量干扰导致时频面模糊,故障特征提取困难。自适应调频模态分解(Adaptive Chirp Mode Decomposition,ACMD)作为新提出的非平稳信号处理算法,可有效分析... 变转速工况下滚动轴承故障振动信号受转速波动影响,故障特征易受到噪声和其他无关分量干扰导致时频面模糊,故障特征提取困难。自适应调频模态分解(Adaptive Chirp Mode Decomposition,ACMD)作为新提出的非平稳信号处理算法,可有效分析时变非平稳信号。ACMD需基于希尔伯特变换确定瞬时频率(Instantaneous Frequencies,IF),提取IF的准确性对最终分析结果具有较大影响。因此,在ACMD的基础上,引入脊提取理论,提出基于多时频曲线提取算法(Multiple Time-Frequency Curve Extraction,MTFCE)提取IF的多时频自适应调频模态分解(Multiple Time Frequency ACMD,MACMD)方法。首先对原始振动信号进行包络处理,并通过MTFCE提取其包络图中的IF作为预设频率输入到ACMD算法,然后对包络信号进行ACMD分解,最后根据分解得到的各个信号分量的IF和瞬时幅值(Instantaneous Amplitude,IA)信息构建高分辨率的时频表示,以实现时变非平稳信号的分析。通过分析模拟信号和实测变转速下滚动轴承故障信号可知,该方法能有效诊断时变转速下滚动轴承故障,减少噪声干扰,且具有较强的鲁棒性。 展开更多
关键词 故障诊断 变转速 滚动轴承 脊提取 多时频自适应调频模态分解
在线阅读 下载PDF
变转速下基于改进ConvLSTM的滚动轴承故障诊断
13
作者 黄金鹏 吴国新 刘秀丽 《噪声与振动控制》 北大核心 2025年第2期76-81,共6页
针对在多传感器下变转速且带有不同程度噪声的工况下故障特征被淹没的问题,提出一种基于改进卷积长短时记忆网络(Convolutional LSTM, ConvLSTM)的故障诊断方法:首先将多个传感器采集的一维振动信号切分为二维矩阵序列;再利用由改进Conv... 针对在多传感器下变转速且带有不同程度噪声的工况下故障特征被淹没的问题,提出一种基于改进卷积长短时记忆网络(Convolutional LSTM, ConvLSTM)的故障诊断方法:首先将多个传感器采集的一维振动信号切分为二维矩阵序列;再利用由改进ConvLSTM单元构成的特征提取层提取信号内的时间特征和空间特征,改进ConvLSTM单元是将传统ConvLSTM单元输入门中的普通卷积换成膨胀卷积,在相同的卷积核其有更大的感受野读取输入信息;最后通过由卷积层和全局平均池化(Global Average Pooling,GAP)构造的分类输出层得到诊断结果。试验使用CWRU滚动轴承数据集和XJTU-SY滚动轴承数据集进行验证。试验结果表明,与其他对比模型相比,改进ConvLSTM模型在变转速且带有不同程度噪声下达到较高的精确率并且受样本量的影响更小。 展开更多
关键词 故障诊断 滚动轴承 变转速工况 深度学习 ConvLSTM
在线阅读 下载PDF
基于属性强度关联性矩阵的零样本滚动轴承故障诊断
14
作者 苑茹 马萍 +3 位作者 张宏立 王聪 王瑾春 李家声 《振动与冲击》 北大核心 2025年第2期302-311,共10页
针对传统有监督学习模型难以辨别滚动轴承未知类故障的问题,提出一种基于属性强度关联性矩阵的零样本滚动轴承故障诊断模型。首先,利用样本之间属性强度关系对数据库中故障样本进行细粒度描述,建立各故障样本与故障类别间的关联关系;其... 针对传统有监督学习模型难以辨别滚动轴承未知类故障的问题,提出一种基于属性强度关联性矩阵的零样本滚动轴承故障诊断模型。首先,利用样本之间属性强度关系对数据库中故障样本进行细粒度描述,建立各故障样本与故障类别间的关联关系;其次,引入自适应深度可分离残差网络提取故障属性相关的特征信息;最后,根据属性细粒度描述和特征信息,使用属性学习模块预测未知类故障的属性,通过计算其与属性矩阵的欧氏距离,实现零样本轴承故障的诊断。试验结果表明,相较于其他模型,该模型在识别未知滚动轴承故障类别方面取得了优异的性能,平均诊断准确率达到90.45%,验证了该模型的有效性与优越性,为实际生产提供了有益的应用价值。 展开更多
关键词 滚动轴承故障诊断 零样本学习 属性强度关联性矩阵 特征提取 属性学习
在线阅读 下载PDF
基于白鲸优化VMD算法和CNN-BiLSTM的滚动轴承故障诊断研究
15
作者 黄伟 曾德良 《信息技术与信息化》 2025年第1期106-110,共5页
传统的滚动轴承故障诊断方法在从振动信号中提取特征信息时存在一定局限性,从而影响故障诊断的准确性。文章通过结合白鲸算法优化的变分模态分解(VMD)、卷积神经网络(CNN)和双向长短期记忆(BiLSTM)方法研究了一种新的滚动轴承故障诊断... 传统的滚动轴承故障诊断方法在从振动信号中提取特征信息时存在一定局限性,从而影响故障诊断的准确性。文章通过结合白鲸算法优化的变分模态分解(VMD)、卷积神经网络(CNN)和双向长短期记忆(BiLSTM)方法研究了一种新的滚动轴承故障诊断技术。经过多组对比实验,研究结果表明该方法在滚动轴承故障诊断方面表现出良好的效果,与支持向量机(SVM)和核极限学习机(KELM)相比,VMD-CNN-BiLSTM提升了40.33%的识别准确度,达到99.67%。结果表明:该算法在滚动轴承故障诊断中具有显著优势,为滚动轴承故障诊断提供了一种新的借鉴方法。 展开更多
关键词 滚动轴承 变分模态分解 振动信号 信号识别 故障诊断
在线阅读 下载PDF
基于数模联合驱动的航空发动机转子系统滚动轴承故障诊断
16
作者 胡伟钧 李道全 +1 位作者 胡继军 苏哲磊 《兵器装备工程学报》 北大核心 2025年第2期285-293,302,共10页
滚动轴承作为战斗机中航空发动机转子系统中的关节,但由于复杂的工作环境和多变的工况其极易发生故障,且在故障诊断时存在因无法提供辨识度高的故障数据而导致诊断精度低的问题,对此提出了一种基于数模联合驱动的样本增强故障诊断方法... 滚动轴承作为战斗机中航空发动机转子系统中的关节,但由于复杂的工作环境和多变的工况其极易发生故障,且在故障诊断时存在因无法提供辨识度高的故障数据而导致诊断精度低的问题,对此提出了一种基于数模联合驱动的样本增强故障诊断方法。采用ABAQUS对滚动轴承进行显示动力学有限元仿真,并采集不同故障类型的振动加速度信号作为故障样本;通过对转子系统实验数据进行下采样,使其与有限元故障数据采样频率一致;将有限元故障数据作为标签加入实验数据中进行样本增强,并通过基于双向时序特征提取模型的方法对时序特征进行提取,完成样本增强故障诊断。实验数据结果表明,所提样本增强故障诊断方法在缺乏明显故障标签时为如何提高诊断精度提供了一种新的思路。 展开更多
关键词 航空发动机 滚动轴承 特征提取 数模联合 故障诊断
在线阅读 下载PDF
基于最优模态分量包络谱的滚动轴承故障诊断
17
作者 钱虹 徐军 祁云杰 《噪声与振动控制》 北大核心 2025年第1期119-125,共7页
针对工业领域设备例如泵和风机组中滚动轴承最优模态分量包络谱难以提取导致故障诊断精度低的问题,提出一种基于麻雀优化算法、变分模态分解算法与XGBoost分类器(SSA-VMD-XGBoost)的滚动轴承故障诊断方法。首先,以全局最小包络熵值为目... 针对工业领域设备例如泵和风机组中滚动轴承最优模态分量包络谱难以提取导致故障诊断精度低的问题,提出一种基于麻雀优化算法、变分模态分解算法与XGBoost分类器(SSA-VMD-XGBoost)的滚动轴承故障诊断方法。首先,以全局最小包络熵值为目标,利用麻雀优化算法(Sparrow Search Algorithm,SSA)对变分模态分解算法(Variational Mode Decomposition,VMD)的分解层数和惩罚因子进行寻优,根据最优结果利用变分模态分解算法对原始振动信号进行处理;然后,结合包络熵理论筛选出最优模态分量,并对其进行包络解调运算,得到低频包络谱值组成故障特征集;最后,基于XGBoost(eXtreme Gradient Boosting)分类器,对获取的样本故障集进行精确分类,实现对滚动轴承的故障诊断。试验结果表明采用该方法可以有效提取滚动轴承在不同状态下的故障特征,并且可以实现滚动轴承的高精度故障诊断。 展开更多
关键词 故障诊断 滚动轴承 特征提取 麻雀优化算法 变分模态分解
在线阅读 下载PDF
时序记忆增强的CNN-LSTM滚动轴承故障诊断方法
18
作者 陈永展 曲建岭 +1 位作者 王小飞 王元鑫 《噪声与振动控制》 北大核心 2025年第1期105-111,共7页
针对CNN-LSTM网络处理小样本含噪数据时诊断误差较大的问题,提出一维卷积神经网络(One Dimensional-Convolutional Neural Network,1D-CNN)和长短时记忆网络(Long Short-Term Memory,LSTM)相融合的时序记忆增强故障诊断模型(CNN-LSTM-ti... 针对CNN-LSTM网络处理小样本含噪数据时诊断误差较大的问题,提出一维卷积神经网络(One Dimensional-Convolutional Neural Network,1D-CNN)和长短时记忆网络(Long Short-Term Memory,LSTM)相融合的时序记忆增强故障诊断模型(CNN-LSTM-time Sequential Memory Enhancement,CNN-LSTM-TSME)。该模型首先通过CNN自适应提取时序数据的故障特征,其次通过对LSTM的输入数据进行递推平均滤波,增强对时序含噪数据的处理能力,再次通过耦合LSTM单元的遗忘门和输入门,将两者分别与记忆单元相连,提高时序数据的记忆能力,从而更加适合于小样本数据的学习,最后利用全连接层后的Softmax函数实现多轴承故障状态的识别。基于凯斯西储大学滚动轴承数据集的实验表明,该模型对于标准数据和加噪数据的平均准确率均在95%以上,明显优于CNN-LSTM和其他现有模型,具有较高的诊断精度和泛化性能。 展开更多
关键词 故障诊断 滚动轴承 时间序列 卷积神经网络 长短时记忆网络
在线阅读 下载PDF
融合ISSA和TA-CapNets的矿井滚动轴承故障诊断方法
19
作者 屈波 张兰峰 +2 位作者 王惠伟 闫明 周超逸 《金属矿山》 北大核心 2025年第4期226-232,共7页
滚动轴承作为矿井设备的核心部件,其运行状态直接关系到矿山生产安全和经济效益。为提升矿井滚动轴承故障诊断的性能,提出了一种融合改进麻雀搜索算法(Improved Sparrow Search Algorithm,ISSA)和时频自适应胶囊网络(Time-Frequency Ada... 滚动轴承作为矿井设备的核心部件,其运行状态直接关系到矿山生产安全和经济效益。为提升矿井滚动轴承故障诊断的性能,提出了一种融合改进麻雀搜索算法(Improved Sparrow Search Algorithm,ISSA)和时频自适应胶囊网络(Time-Frequency Adaptive Capsule Networks,TA-CapNets)的新型诊断方法。首先,通过采集矿井滚动轴承的运行数据,提取出反映轴承健康状况的特征;然后利用ISSA对特征进行优化选择,该算法通过模拟麻雀觅食行为,提高了全局搜索能力和收敛速度;再将优化后的特征输入TA-CapNets中,能够自适应地学习时频特征,有效捕捉轴承故障的动态变化。通过TA-CapNets的输出,结合故障模式识别,实现了对轴承故障的准确诊断。试验结果表明:该方法在故障诊断的准确性和实时性方面均优于传统方法,具有一定的实用价值和推广前景。 展开更多
关键词 矿井滚动轴承 故障诊断 改进麻雀搜索算法 时频自适应胶囊网络
在线阅读 下载PDF
基于逐次变分模态分解和CBAM-ResNet的滚动轴承故障诊断方法
20
作者 陈志刚 陶子纯 +1 位作者 王衍学 史梦瑶 《振动与冲击》 北大核心 2025年第4期298-304,312,共8页
针对噪声背景下滚动轴承信号故障特征提取与智能诊断问题,提出基于逐次变分模态分解(successive variational mode decomposition,SVMD)以及注意力机制-残差神经网络(convolutional block attention module-residual neural network,CBA... 针对噪声背景下滚动轴承信号故障特征提取与智能诊断问题,提出基于逐次变分模态分解(successive variational mode decomposition,SVMD)以及注意力机制-残差神经网络(convolutional block attention module-residual neural network,CBAM-ResNet)的轴承故障诊断方法。首先对轴承振动信号进行SVMD分解成一系列本征模态分量,根据包络熵和峭度融合评价指标选择含故障特征明显的模态分量并重构;将重构信号进行短时傅里叶变换得到时频图像。之后利用CBAM能够自适应捕捉图形特征的特点,把重构信号的时频图像输入CBAM-ResNet模型进行特征提取和故障模式识别。在CBAM-ResNet模型训练过程中,使用迁移学习的方法初始化ResNet模型的参数来提高模型的泛化性。与其他传统模型相比,该研究的分类准确率高达96.68%,具有更强的故障特征提取能力。试验结果表明,CBAM-ResNet模型在变工况环境下也具有较高的识别精度。 展开更多
关键词 故障诊断 滚动轴承 逐次变分模态分解 卷积注意力模块 残差神经网络
在线阅读 下载PDF
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 2 … 89 下一页 到第 页
关于我们 | 版权声明 | 联系我们 | 帮助中心| 意见反馈
主办单位：上海市教育委员会
技术支持：重庆维普资讯有限公司
渝公网安备 50019002500403号
使用帮助 返回顶部