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
数据不平衡分布下燃气调压器故障识别方法
1
作者
尹孟伟
王勇
王超群
《振动.测试与诊断》
北大核心
2025年第2期346-353,415,共9页
针对燃气调压器故障识别中不平衡数据影响模型识别能力的问题,提出一种一维卷积神经网络(one-dimensional convolutional neural network,简称1D-CNN)与注意力机制(squeeze-and-excitation,简称SE)相结合的改进深度卷积神经网络(SE-1DC...
针对燃气调压器故障识别中不平衡数据影响模型识别能力的问题,提出一种一维卷积神经网络(one-dimensional convolutional neural network,简称1D-CNN)与注意力机制(squeeze-and-excitation,简称SE)相结合的改进深度卷积神经网络(SE-1DCNN)方法。首先,使用一维卷积核提取故障特征;其次,在交替的卷积层后添加SE模块用于通道加权,选择性地保留所需的重要信息特征,并抑制弱相关的特征;最后,使用类平衡损失函数代替交叉熵损失函数来抵消不平衡分布给网络造成的影响。实验结果表明,根据真实环境中采集的不平衡故障数据,所提改进模型与其他故障识别模型相比有更好的故障识别能力,准确率高达98.17%。
展开更多
关键词
故障识别
燃气调压器
类平衡损失函数
卷积神经网络
注意力机制
在线阅读
下载PDF
职称材料
基于领域自适应的变工况轴承故障诊断
被引量：
1
2
作者
曹洁
尹浩楠
+1 位作者
雷晓刚
王进花
《北京航空航天大学学报》
EI
CAS
CSCD
北大核心
2024年第8期2382-2390,共9页
针对轴承故障诊断中存在训练样本和测试样本分布不同及各类故障数据不平衡导致故障识别率低的问题,设计了一种基于改进残差网络(ResNet)的领域自适应故障诊断方法。在诊断网络第1层使用多维度卷积结构进行特征提取,得到不同维度的故障...
针对轴承故障诊断中存在训练样本和测试样本分布不同及各类故障数据不平衡导致故障识别率低的问题,设计了一种基于改进残差网络(ResNet)的领域自适应故障诊断方法。在诊断网络第1层使用多维度卷积结构进行特征提取,得到不同维度的故障特征信息;在领域自适应层采用局部最大平均差异(LMMD)对齐源域和目标域的分布,获取更多细粒度信息;使用类平衡损失函数(CBLoss)解决不平衡数据的训练问题,以Adam优化网络实现故障诊断。实验结果表明,所提方法可在故障样本类别不平衡下有较高的诊断结果。在2个轴承数据集和采集的风力发电机数据上进行实验验证,结果表明,所提方法具有一定的优越性,在数据样本不平衡情况下,诊断性能优于深度神经网络和领域自适应网络等深度迁移学习方法,可作为一种有效的跨工况故障分析方法。
展开更多
关键词
故障诊断
残差网络
数据不
平衡
局部最大平均差异
类平衡损失函数
轴承
在线阅读
下载PDF
职称材料
题名
数据不平衡分布下燃气调压器故障识别方法
1
作者
尹孟伟
王勇
王超群
机构
上海电力大学计算机科学与技术学院
上海航天能源股份有限公司
出处
《振动.测试与诊断》
北大核心
2025年第2期346-353,415,共9页
基金
国家工程实验开放课题资助项目(QAX-20180)
上海自然科学基金资助项目(20ZR1455900)。
文摘
针对燃气调压器故障识别中不平衡数据影响模型识别能力的问题,提出一种一维卷积神经网络(one-dimensional convolutional neural network,简称1D-CNN)与注意力机制(squeeze-and-excitation,简称SE)相结合的改进深度卷积神经网络(SE-1DCNN)方法。首先,使用一维卷积核提取故障特征;其次,在交替的卷积层后添加SE模块用于通道加权,选择性地保留所需的重要信息特征,并抑制弱相关的特征;最后,使用类平衡损失函数代替交叉熵损失函数来抵消不平衡分布给网络造成的影响。实验结果表明,根据真实环境中采集的不平衡故障数据,所提改进模型与其他故障识别模型相比有更好的故障识别能力,准确率高达98.17%。
关键词
故障识别
燃气调压器
类平衡损失函数
卷积神经网络
注意力机制
Keywords
fault identification
gas pressure regulators
class-balanceed loss function
convolutional neural network
attention mechanism
分类号
TH138.52 [机械工程—机械制造及自动化]
TP206.3 [自动化与计算机技术—检测技术与自动化装置]
TP306.3 [自动化与计算机技术—计算机系统结构]
在线阅读
下载PDF
职称材料
题名
基于领域自适应的变工况轴承故障诊断
被引量：
1
2
作者
曹洁
尹浩楠
雷晓刚
王进花
机构
兰州理工大学电气工程与信息工程学院
甘肃省工业过程先进控制重点实验室
甘肃省制造信息工程研究中心
出处
《北京航空航天大学学报》
EI
CAS
CSCD
北大核心
2024年第8期2382-2390,共9页
基金
国家重点研发计划(2020YFB1713600)
国家自然科学基金(62063020)
甘肃省自然科学基金(20JR5RA463)。
文摘
针对轴承故障诊断中存在训练样本和测试样本分布不同及各类故障数据不平衡导致故障识别率低的问题,设计了一种基于改进残差网络(ResNet)的领域自适应故障诊断方法。在诊断网络第1层使用多维度卷积结构进行特征提取,得到不同维度的故障特征信息;在领域自适应层采用局部最大平均差异(LMMD)对齐源域和目标域的分布,获取更多细粒度信息;使用类平衡损失函数(CBLoss)解决不平衡数据的训练问题,以Adam优化网络实现故障诊断。实验结果表明,所提方法可在故障样本类别不平衡下有较高的诊断结果。在2个轴承数据集和采集的风力发电机数据上进行实验验证,结果表明,所提方法具有一定的优越性,在数据样本不平衡情况下,诊断性能优于深度神经网络和领域自适应网络等深度迁移学习方法,可作为一种有效的跨工况故障分析方法。
关键词
故障诊断
残差网络
数据不
平衡
局部最大平均差异
类平衡损失函数
轴承
Keywords
fault diagnosis
residual network
data imbalance
local maximum mean difference
class-balanced loss
bearings
分类号
TP277 [自动化与计算机技术—检测技术与自动化装置]
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
数据不平衡分布下燃气调压器故障识别方法
尹孟伟
王勇
王超群
《振动.测试与诊断》
北大核心
2025
0
在线阅读
下载PDF
职称材料
2
基于领域自适应的变工况轴承故障诊断
曹洁
尹浩楠
雷晓刚
王进花
《北京航空航天大学学报》
EI
CAS
CSCD
北大核心
2024
1
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
