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319篇文章
< 1 2 … 16 >
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：
小样本下基于并行异构网络的变工况纸机轴承故障诊断方法 被引量：1
1
作者 汤伟 杨亦君 +1 位作者 王孟效 刘英伟 《中国造纸学报》 北大核心 2025年第1期179-190,共12页
传统纸机轴承故障诊断模型在实际应用中,存在由于故障振动信号数据量小、信号有效信息占比低导致的变工况下故障诊断准确度下降等问题。针对此问题,本课题提出一种小样本下基于并行异构网络的变工况纸机轴承故障诊断方法。首先,将源域... 传统纸机轴承故障诊断模型在实际应用中,存在由于故障振动信号数据量小、信号有效信息占比低导致的变工况下故障诊断准确度下降等问题。针对此问题,本课题提出一种小样本下基于并行异构网络的变工况纸机轴承故障诊断方法。首先,将源域和目标域信号分别转换为相应的格拉姆角场矩阵、马尔科夫变迁场矩阵和欧氏距离矩阵,并对所得的3种矩阵逐行进行交叉组合,以此作为网络输入;其次,基于卷积神经网络(CNN)对2D-CNN进行改进,设计融合注意力机制的多通道并行异构网络,实现对信号深层特征的自动提取;然后,基于对抗思想设计域判别器与分类器,通过多核最大均值差异(MK-MMD)对两域特征边缘分布进行对齐,实现对变工况下轴承故障的识别。最后,分别基于凯斯西储大学滚动轴承数据集与实验室自建纸机轴承故障模拟平台采集数据,进行迁移学习实验验证。结果表明,该纸机轴承故障迁移学习网络模型具有优异的特征挖掘能力,对变工况下的纸机轴承故障具有较高的识别精度。 展开更多
关键词 并行异构CNN 纸机轴承 轴承故障诊断
在线阅读 下载PDF
基于CWT-IDenseNet的滚动轴承故障诊断方法 被引量：1
2
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
复合多尺度包络模糊熵在滚动轴承故障诊断中的应用 被引量：3
3
作者 李姜宏 郑近德 +2 位作者 潘海洋 程健 童靳于 《振动与冲击》 北大核心 2025年第9期274-281,共8页
模糊熵(fuzzy entropy, FE)自提出以来就被广泛用于滚动轴承振动信号的时间序列复杂性度量,但模糊熵在单一时间序列的分析中可能无法充分捕获轴承振动信号所有故障特征。针对这一弊端,定义出一种包络模糊熵(envelope fuzzy entropy, EFE... 模糊熵(fuzzy entropy, FE)自提出以来就被广泛用于滚动轴承振动信号的时间序列复杂性度量,但模糊熵在单一时间序列的分析中可能无法充分捕获轴承振动信号所有故障特征。针对这一弊端,定义出一种包络模糊熵(envelope fuzzy entropy, EFE)作为新的复杂性度量指标。进一步利用复合粗粒化的方式对时间序列的包络信号进行复合多尺度处理,提出了复合多尺度包络模糊熵(composite multi-scale envelope fuzzy entropy, CMEFE),旨在全面揭示信号的故障特征。此外,通过仿真信号验证了CMEFE能够区分不同类型的模拟信号,对比其他非线性动力学方法,结果表明提出的方法对于不同模拟信号的区分效果更为显著。在此基础上,提出一种基于复合多尺度包络模糊熵与萤火虫优化支持向量机的滚动轴承故障诊断方法。与现有方法进行对比,验证了该方法的可行性与优越性。 展开更多
关键词 模糊熵(FE) 包络模糊熵(EFE) 多尺度模糊熵 复合多尺度包络模糊熵(CMEFE) 萤火虫优化支持向量机 滚动轴承故障诊断
在线阅读 下载PDF
基于特征融合与改进半监督学习的变转速轴承故障诊断 被引量：1
4
作者 荆新岚 黄民 马超 《组合机床与自动化加工技术》 北大核心 2025年第1期132-137,共6页
针对实际变转速工况下,故障标签样本数据有限、信息特征挖掘不充分的问题,提出一种基于特征融合与改进半监督学习的故障诊断方法。首先,使用等角度重采样将时域非平稳信号变为平稳的角域信号;其次,使用Welch变换和离散小波变换从频域和... 针对实际变转速工况下,故障标签样本数据有限、信息特征挖掘不充分的问题,提出一种基于特征融合与改进半监督学习的故障诊断方法。首先,使用等角度重采样将时域非平稳信号变为平稳的角域信号;其次,使用Welch变换和离散小波变换从频域和时频域串联提取特征;最后,通过知识蒸馏改进半监督学习来训练、验证、分类轴承故障。在某大学轴承公开数据集进行实验,证明该方法在2%的低标签率场景下,能取得较高准确率,同时减少计算成本。 展开更多
关键词 轴承故障诊断 变转速工况 半监督学习 特征融合
在线阅读 下载PDF
基于多重流形标签传播的滚动轴承故障诊断方法 被引量：3
5
作者 李灿 王广斌 +2 位作者 赵树标 钟志贤 曾东 《振动与冲击》 北大核心 2025年第1期121-133,共13页
针对当前的无监督域自适应算法应用于滚动轴承故障诊断领域时,源域数据不平衡,且两个域之间存在域偏移,导致故障识别率低的问题,提出了一种基于多重流形标签传播的滚动轴承故障诊断方法,旨在将源域和目标域的数据多重投影到共同的子空间... 针对当前的无监督域自适应算法应用于滚动轴承故障诊断领域时,源域数据不平衡,且两个域之间存在域偏移,导致故障识别率低的问题,提出了一种基于多重流形标签传播的滚动轴承故障诊断方法,旨在将源域和目标域的数据多重投影到共同的子空间,减少域内以及跨域的差异,同时平衡样本分布,进而提高变工况轴承故障诊断的精度。首先,提出域内局部保持平衡映射方法,将源域和目标域数据映射到一重流形子空间,得到域内对齐后的样本数据,并对源域数据进行平衡处理,得到平衡后的源域数据;然后,提出跨域流形结构细化对齐方法,将数据进一步映射到二重共享子空间,得到细化对齐后的样本数据;最后,通过动态加权伪标签域适应传播方法,得到准确度高的伪标签。分别在CWRU和自建的轴承数据集上进行故障诊断试验,试验结果表明,所提方法不仅对多故障类型多故障尺寸、复合故障上有着较好的识别能力,且当标签样本稀少时,模型也表现出优秀的诊断效果。 展开更多
关键词 多重流形映射 轴承故障诊断 小样本 动态加权伪标签
在线阅读 下载PDF
基于LCLSABO-KELM滚动轴承故障诊断方法研究 被引量：1
6
作者 梁山 齐兵 +3 位作者 李浩 刘俊 王锴 王军 《制造技术与机床》 北大核心 2025年第2期17-22,共6页
为提高滚动轴承的故障诊断的分类精度,提出一种逻辑斯蒂柯西莱维减法平均优化(Logistic-Cauchy-Levy-subtraction average-based optimization,LCLSABO)算法,该算法融合了混沌(Logistic)映射策略、柯西(Cauchy)变异策略和莱维(Levy)飞... 为提高滚动轴承的故障诊断的分类精度,提出一种逻辑斯蒂柯西莱维减法平均优化(Logistic-Cauchy-Levy-subtraction average-based optimization,LCLSABO)算法,该算法融合了混沌(Logistic)映射策略、柯西(Cauchy)变异策略和莱维(Levy)飞行策略,用以优化核极限学习机(kernel extreme learning machine,KELM)的性能。首先,利用混沌映射策略优化减法平均优化算法的种群初始化,增强种群多样性;其次,结合柯西变异策略与莱维飞行策略,改进位移算法,提高全局搜索能力,有效避免陷入局部最优解;最后,采用LCLSABO算法优化KELM的核心参数,建立LCLSABO-KELM模型,对轴承故障进行分类与诊断。试验结果表明,与SABO-KELM模型、SSA-KELM模型、PSO-KELM模型及传统KELM模型相比,LCLSABO-KELM模型的故障诊断分类精度为98.63%,分别提升了0.97%、2.70%、3.90%和11.30%。这表明,该方法能够充分提取故障特征,显著提高故障诊断的分类精度,验证了该模型在滚动轴承故障诊断与分类中的优越性能。 展开更多
关键词 减法平均优化器 柯西变异策略 莱维飞行策略 轴承故障诊断 LOGISTIC映射
在线阅读 下载PDF
基于分层多元域适应的滚动轴承故障诊断方法 被引量：1
7
作者 李灿 罗军 +2 位作者 赵树标 钟志贤 王广斌 《机床与液压》 北大核心 2025年第8期9-17,共9页
针对现有迁移学习算法在滚动轴承故障诊断中存在的同类别以及不同类别数据分布差异、域偏移与域内重叠导致故障识别率低的问题,提出一种基于分层多元域适应的滚动轴承故障诊断方法。该方法通过分层样本处理与多元技术集成,充分利用同类... 针对现有迁移学习算法在滚动轴承故障诊断中存在的同类别以及不同类别数据分布差异、域偏移与域内重叠导致故障识别率低的问题,提出一种基于分层多元域适应的滚动轴承故障诊断方法。该方法通过分层样本处理与多元技术集成,充分利用同类别之间内部亲和力,同时减少不同类别之间分布差异,有效减少域偏移与域内重叠现象,从而提高变工况轴承故障诊断的准确率。采用有标签的源域数据训练3种不同的基础分类器,通过多数投票技术将目标域样本分为候选域和残差域,得到候选域的伪标签;构建源域和候选域的总体散度矩阵,得到散度对齐后的源域样本数据,针对域内类别的重叠现象,基于分布适配加权条件分布,进一步异化同领域内不同类别的空间分布,得到转换矩阵;最后使用转换后的源域和候选域标注残差域,得到完整的目标域标签。分别在CWRU和自建的轴承数据集上进行故障诊断实验。结果表明:所提方法对多故障类型多故障尺寸、复合故障均具有较好的识别能力,且当标签样本稀少时,模型也具有优秀的诊断效果。 展开更多
关键词 轴承故障诊断 分层多元域适应 散度矩阵 分布对齐
在线阅读 下载PDF
基于EESP与ODConv的多尺度轴承故障诊断方法
8
作者 任义 陈大鹏 +1 位作者 栾方军 袁帅 《机电工程》 北大核心 2025年第5期832-844,920,共14页
为了解决轴承故障诊断中多尺度特征提取准确性和稳定性不足的问题,提出了一种融合增强高效空间金字塔(EESP)与全维动态卷积(ODConv)的多尺度轴承诊断方法,即基于多尺度全维动态卷积网络(MSODConvNet)的轴承故障诊断模型。首先,采用了基... 为了解决轴承故障诊断中多尺度特征提取准确性和稳定性不足的问题,提出了一种融合增强高效空间金字塔(EESP)与全维动态卷积(ODConv)的多尺度轴承诊断方法,即基于多尺度全维动态卷积网络(MSODConvNet)的轴承故障诊断模型。首先,采用了基于EESP的空洞卷积金字塔模块,利用了多尺度空洞卷积结构增强了特征提取能力,有效地捕捉了不同尺度的特征信息,从而提升了模型对复杂信号的感知能力;其次,采用的ODConv模块使卷积核在多个维度上同时进行了高效运作,使用动态调整卷积核结构提升了模型的灵活性和适应性,使其能够更好地应对复杂数据中的多样化模式和特征;最后,在ODConv模块中引入了双跳跃连接机制,进一步强化了信息在深层网络中的传递效果,确保了特征信息的完整性和高效传递。研究结果表明:基于EESP和ODConv的多尺度模型在分类准确率方面得到较大的提高,在凯斯西储大学(CWRU)数据集上的准确率可达99.50%,表现出较高的准确性和稳定性,并在与其他对比方法的比较中展现出较高的优势。该研究可为工业设备的智能维护和故障诊断提供新的方法和思路,为实现更精确和更高效的故障诊断提供理论依据。 展开更多
关键词 轴承故障诊断 多尺度特征提取 增强高效空间金字塔 多尺度全维动态卷积网络 双跳跃连接机制 故障诊断模型
在线阅读 下载PDF
基于注意力的多尺度残差卷积网络轴承故障诊断
9
作者 李强 马超 黄民 《电子测量技术》 北大核心 2025年第9期19-26,共8页
针对轴承故障信号中存在复杂特征的特点,提出了一种结合注意力机制与多尺度残差卷积网络轴承故障判定方法。该模型结合了卷积神经网络(CNN)的强大特征提取能力和注意力机制的自适应加权能力,能够有效地处理轴承故障信号中的复杂特征。... 针对轴承故障信号中存在复杂特征的特点,提出了一种结合注意力机制与多尺度残差卷积网络轴承故障判定方法。该模型结合了卷积神经网络(CNN)的强大特征提取能力和注意力机制的自适应加权能力,能够有效地处理轴承故障信号中的复杂特征。模型采用了多尺度卷积层,通过不同大小的卷积核捕获信号的多尺度特征,有助于识别不同类型和严重程度的故障。同时,引入残差结构,通过高维与低维特征的协同决策机制,有效整合多层卷积提取的特征,增强了模型对关键信息的感知能力,并降低了深度网络训练中的梯度消失和特征冗余问题,从而保证了模型的稳定性和准确性。注意力机制(如SEBlock和ECABlock)的融合,使模型能够自适应地关注更加重要的特征通道,进一步提升了诊断性能。实验结果表明,该模型在强噪声下能实现高精度的诊断,展示了其在智能维护和故障预警系统中的应用潜力。 展开更多
关键词 轴承故障诊断 ResNet-MSCNN 注意力机制 深度学习
在线阅读 下载PDF
基于多对抗和平衡分布自适应的轴承故障诊断方法 被引量：4
10
作者 许焕卫 赵泽伟 +1 位作者 肖许源 汪忠来 《振动与冲击》 北大核心 2025年第5期302-313,共12页
在实际工业生产中,工况的不同会导致数据分布差异,这使得不同工作条件下的轴承故障诊断成为一个挑战。针对上述问题,提出了一种基于多对抗和平衡分布自适应的故障诊断方法。首先,通过改进的残差网络直接从原始振动信号中提取域不变特征... 在实际工业生产中,工况的不同会导致数据分布差异,这使得不同工作条件下的轴承故障诊断成为一个挑战。针对上述问题,提出了一种基于多对抗和平衡分布自适应的故障诊断方法。首先,通过改进的残差网络直接从原始振动信号中提取域不变特征,提高特征提取效率的同时保留了丰富的故障特征信息;其次,提出了关联对齐与多对抗域自适应相结合的域自适应方法,同时对齐源域和目标域的边缘分布和条件分布以最小化域间数据分布差异;然后,对平衡分布自适应方法进行改进,设计了一种平衡因子为自适应过程中的边缘分布和条件分布分配权重,增强跨域故障诊断效果;最后,通过公开轴承故障数据集验证所提方法的有效性。试验结果表明,相较于流行的域自适应方法,所提方法具有更高的故障诊断精度,在不同工作条件下轴承的故障诊断任务中具有实际的应用价值。 展开更多
关键词 轴承故障诊断 多对抗域自适应 平衡分布自适应 残差网络 关联对齐
在线阅读 下载PDF
基于多分支特征融合注意力的轴承故障诊断方法 被引量：4
11
作者 郭海宇 于威 +3 位作者 张晓光 陆凡凡 陈洋 赵学义 《计量学报》 北大核心 2025年第2期222-232,共11页
针对传统轴承故障诊断模型学习关键故障特征能力不足,且在噪声干扰下诊断精度受限的问题,提出了一种多分支多尺度卷积神经网络结合通道注意力(MBSACNN)的故障诊断方法。该方法采用多通道多输入的方式弥补传统模型只能分析单一维度故障... 针对传统轴承故障诊断模型学习关键故障特征能力不足,且在噪声干扰下诊断精度受限的问题,提出了一种多分支多尺度卷积神经网络结合通道注意力(MBSACNN)的故障诊断方法。该方法采用多通道多输入的方式弥补传统模型只能分析单一维度故障特征信息的不足;进行连续小波变换将样本转化为时频信号,增强样本信息的多样性;利用多尺度并行卷积获取关键特征,增强特征学习能力;结合通道注意力机制有效融合多分支故障特征,提升故障诊断的准确性。与传统故障诊断模型相比,MBSACNN模型在特征学习和抗噪性能方面都表现出一定的优势。在凯斯西储大学(CWRU)实验数据集零噪声与强噪声情况下,故障分类准确率分别为99.99%和96.97%;工程应用中,在噪声干扰强烈的3类水泥生产设备上故障分类准确率均优于97.25%,具有较高的诊断精度与噪声鲁棒性。 展开更多
关键词 振动计量 轴承故障诊断 卷积神经网络 多分支 通道注意力机制 水泥生产设备
在线阅读 下载PDF
基于共振解调新方法的滚动轴承故障诊断
12
作者 冯思茜 王家序 +1 位作者 张新 黄欣玥 《中国机械工程》 北大核心 2025年第9期2022-2031,共10页
为实现滚动轴承微弱特征提取与故障诊断,提出了一种基于子带重构重排-双树复小波包变换(SRR-DTCWPT)与峰值频率提取的共振解调新方法。基于SRR-DTCWPT的频带划分方法较为精细,并且在保持DTCWPT近似平移不变性和谱能量泄漏少的优点的同... 为实现滚动轴承微弱特征提取与故障诊断,提出了一种基于子带重构重排-双树复小波包变换(SRR-DTCWPT)与峰值频率提取的共振解调新方法。基于SRR-DTCWPT的频带划分方法较为精细,并且在保持DTCWPT近似平移不变性和谱能量泄漏少的优点的同时解决了频带错乱的问题。基于SRR-DTCWPT与峰值频率提取的共振解调方法不需要任何指标参与,能提取任意位置的频带,避免了强冲击干扰的影响,且计算过程自动化。将所提方法与Fast Kurtogram和Autogram算法进行比较,验证了该方法在滚动轴承故障诊断中的有效性与高效性。 展开更多
关键词 轴承故障诊断 共振解调 双树复小波包变换 子带重构重排 峰值频率提取
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
13
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IEWT-AK-CNN的轴承故障诊断
14
作者 杨辰昕 边豪杰 +3 位作者 苏泓臣 于佳鑫 张宇宁 冼海珍 《核科学与工程》 北大核心 2025年第5期1008-1017,共10页
为实现核电厂旋转机械轴承故障的有效诊断,提出了一种基于改进经验小波变换、自相关峭度和卷积神经网络的特征提取和智能诊断方法。首先,引入数学形态学改进经验小波变换,优化经验小波变换模态划分步骤,避免模态混叠现象。其次,通过改... 为实现核电厂旋转机械轴承故障的有效诊断,提出了一种基于改进经验小波变换、自相关峭度和卷积神经网络的特征提取和智能诊断方法。首先,引入数学形态学改进经验小波变换,优化经验小波变换模态划分步骤,避免模态混叠现象。其次,通过改进经验小波变换得到多个模态分量,计算各模态分量的自相关峭度,提取周期性冲击特征,并构建特征向量。最后,搭建和训练卷积神经网络,得到智能诊断模型,实现轴承的智能故障诊断。利用核电厂实测轴承故障和正常信号进行测试,同时与基于经验模态分解和原始经验小波变换的智能诊断方法对比,结果表明,提出的方法平均准确率最高,准确率可达90.67%。 展开更多
关键词 改进经验小波变换 自相关峭度 卷积神经网络 轴承故障诊断
在线阅读 下载PDF
基于WOA-VMD与PSO-SVM的滚动轴承故障诊断 被引量：3
15
作者 杨远鹏 陈志刚 +2 位作者 余志红 王衍学 陈龙翘 《制造技术与机床》 北大核心 2025年第2期23-29,42,共8页
滚动轴承工作环境恶劣且振动信号容易受到噪声干扰,使得轴承故障不易被识别。针对此问题,提出了鲸鱼优化算法变分模态分解(whale optimization algorithm variational mode decomposition,WOA-VMD)和粒子群算法优化支持向量机(particle ... 滚动轴承工作环境恶劣且振动信号容易受到噪声干扰,使得轴承故障不易被识别。针对此问题,提出了鲸鱼优化算法变分模态分解(whale optimization algorithm variational mode decomposition,WOA-VMD)和粒子群算法优化支持向量机(particle swarm optimization support vector machine,PSO-SVM)的滚动轴承故障诊断方法,首先,采用WOA-VMD寻找分解层数和惩罚因子最优参数组合;其次,将轴承正常信号以及故障信号作为输入进行变分模态分解(variational mode decomposition,VMD),得到若干个本征模态函数(intrinsic mode function,IMF),计算各模态分量的样本熵值作为特征向量;再次,将特征向量分成训练集和测试集;最后,将分组的特征向量分别输入到支持向量机(support vector machine,SVM)模型与PSO-SVM模型中进行训练与故障诊断。结果表明,SVM模型故障诊断率分别为89.1667%和86.2500%,PSO-SVM模型故障诊断率分别为100%和99.5833%,轴承故障得到了有效识别。 展开更多
关键词 鲸鱼优化算法 变分模态分解 粒子群算法 支持向量机 轴承故障诊断
在线阅读 下载PDF
基于双域特征融合的轴承故障诊断方法分析与研究 被引量：2
16
作者 王延臣 张宏成 张啸尘 《沈阳建筑大学学报(自然科学版)》 北大核心 2025年第2期271-279,共9页
针对传统故障诊断方法通常采用原始信号作为输入,无法提取信号中频域信息的问题,提出一种基于DRSN_2DCNN的故障诊断模型。通过短时傅里叶变换将原始信号从时域信号转化为时频图,作为第二特征图输入;采用残差收缩网络提取原始信号的特征... 针对传统故障诊断方法通常采用原始信号作为输入,无法提取信号中频域信息的问题,提出一种基于DRSN_2DCNN的故障诊断模型。通过短时傅里叶变换将原始信号从时域信号转化为时频图,作为第二特征图输入;采用残差收缩网络提取原始信号的特征,采用卷积网络,并加入注意力机制,提取时频图中的频域信息;将双域特征信息融合,进行故障分类;利用美国凯斯西储大学、东南大学和哈尔滨工业大学的轴承故障数据集进行实验。笔者所提方法在三个数据集上的故障诊断准确率分别达到了99.90%、99.60%和98.25%;在美国凯斯西储大学数据集上,实验加入高斯噪声,噪声强度为-6 dB时,故障诊断准确率可以达到91.30%。DRSN_2DCNN模型能够充分提取双域特征,具有较好的诊断效果以及较强的抗噪性能。 展开更多
关键词 轴承故障诊断 残差网络 注意力机制 特征融合
在线阅读 下载PDF
基于MTF-ResNet-CBAM的兵工装备轴承故障诊断方法
17
作者 李伟伟 杨悦 花国祥 《兵工自动化》 北大核心 2025年第12期79-86,共8页
针对传统方法在噪声干扰和复杂工况下性能有限的问题,提出一种基于马尔可夫转移场(Markov transition field,MTF)、残差网络(residual network,ResNet)与卷积注意力机制(convolutio nal blo ck atte ntion module,CB AM)的轴承故障诊断... 针对传统方法在噪声干扰和复杂工况下性能有限的问题,提出一种基于马尔可夫转移场(Markov transition field,MTF)、残差网络(residual network,ResNet)与卷积注意力机制(convolutio nal blo ck atte ntion module,CB AM)的轴承故障诊断方法。将1维振动信号映射为2维MTF图像,以保留时序依赖与动态特征;利用ResNet进行深层特征提取,通过CBAM在通道与空间维度自适应分配权重,强化关键信息表达、抑制冗余干扰。在4类典型工况(正常、内圈故障、外圈故障和滚动体故障)下进行实验验证。结果表明:该模型整体测试准确率达到96.67%,较VGG、AlexNet及CNN模型提升约8%~15%,该方法在兵工装备的复杂运行环境下能保持较高的诊断精度与稳定性。 展开更多
关键词 轴承故障诊断 兵工装备 MTF ResNet CBAM
在线阅读 下载PDF
小样本下SE-ResNet与元迁移学习的变工况轴承故障诊断
18
作者 刘臻 彭珍瑞 王圣杰 《振动工程学报》 北大核心 2025年第6期1199-1211,共13页
针对轴承在变工况下样本分布不同、故障样本少和一些小样本算法特征提取有限,导致轴承故障诊断精度低及模型泛化能力弱的问题,提出了小样本下嵌入压缩、激励的残差网络(SE-ResNet)与元迁移学习(MTL)的变工况轴承故障诊断方法。将采集的... 针对轴承在变工况下样本分布不同、故障样本少和一些小样本算法特征提取有限,导致轴承故障诊断精度低及模型泛化能力弱的问题,提出了小样本下嵌入压缩、激励的残差网络(SE-ResNet)与元迁移学习(MTL)的变工况轴承故障诊断方法。将采集的不同工况下轴承一维振动信号通过连续小波变换(CWT)转换成对应工况下的时频图像,从而将轴承故障诊断问题转换为图像识别问题;引入压缩-激励注意力机制,构建了一种SE-ResNet的骨干网络模型,以聚焦于更有效的特征通道,增强特征提取表征能力;借助迁移学习能提供良好的深层网络初始参数和元学习能快速学习的优势,依次进行预训练与元迁移训练,得到利用少量样本微调便能达到高精度的元迁移网络,进而实现变工况下轴承的故障诊断;通过两个基准数据集和实验室搭建的轴承故障模拟试验台进行验证,并与其他方法进行对比分析,结果表明,所提方法在小样本、变工况下对轴承故障诊断具有更高的识别精度和泛化性能。 展开更多
关键词 轴承故障诊断 连续小波变换 元迁移学习 变工况 小样本
在线阅读 下载PDF
基于黎曼几何嵌入与跨域动态图对比学习的滚动轴承故障诊断方法
19
作者 张慧 王广斌 +2 位作者 钟志贤 林浩佳 李灿 《振动与冲击》 北大核心 2025年第24期298-310,共13页
针对跨工况轴承迁移故障诊断算法重点关注最小化两域的全局分布差异,但忽视了数据内部非线性几何特性的情况,提出了一种基于黎曼几何嵌入与跨域动态图对比学习的滚动轴承故障诊断方法。首先,构建类条件图嵌入表示,利用黎曼流形上的距离... 针对跨工况轴承迁移故障诊断算法重点关注最小化两域的全局分布差异,但忽视了数据内部非线性几何特性的情况,提出了一种基于黎曼几何嵌入与跨域动态图对比学习的滚动轴承故障诊断方法。首先,构建类条件图嵌入表示,利用黎曼流形上的距离度量捕捉数据的非线性流形结构进行自适应调整嵌入表示;然后,计算类间图结构的相似性去设计动态权重机制自适应优化加权跨域图对比损失,通过对比学习对齐跨域图嵌入;最后,通过最小化类条件概率分布差异进行域内类间分布对齐,并融合拉普拉斯正则化和结构风险最小化原则构造最优分类器,实现轴承故障的识别与分类。试验结果表明,所提方法在CWRU数据集和自建试验台的复合故障数据集上的不同工况故障识别能力均超过传统迁移学习方法和深度学习方法,且算法收敛性能优秀,故障识别准确率均在96%以上,最高准确率达到100%。 展开更多
关键词 轴承故障诊断 迁移学习 黎曼几何 图对比学习
在线阅读 下载PDF
双路Transformer在轴承故障诊断中的应用 被引量：1
20
作者 邰志艳 侯婷悦 +2 位作者 刘铭 于子奇 冯子懿 《重庆理工大学学报(自然科学)》 北大核心 2025年第5期179-184,共6页
针对传统算法在轴承故障诊断任务中无法充分利用信号特征,提出双路Transformer方法对轴承故障进行诊断分类。Transformer的自注意力机制可以深度提取长序列频谱数据中全局时域关联信息,双路Transformer在2条路径上采用不同大小的卷积核... 针对传统算法在轴承故障诊断任务中无法充分利用信号特征,提出双路Transformer方法对轴承故障进行诊断分类。Transformer的自注意力机制可以深度提取长序列频谱数据中全局时域关联信息,双路Transformer在2条路径上采用不同大小的卷积核和不同特性的注意力机制,提取信号的高低频特征。双路Transformer可从信号序列的多重频谱中有效识别表征轴承故障的高低频特征,增加特征信息丰富度。此外,设计多尺度特征融合模块,对双路Transformer提取的包含全局关联信息的高低频特征进行融合,得到深度故障特征,实现对不同类型故障的高效诊断。以美国机械故障预防技术学会的轴承数据集进行验证,结果表明双路Transformer在一定收敛速度下准确率达97.44%,比传统诊断算法具有更高的准确率和鲁棒性。 展开更多
关键词 轴承故障诊断 双路Transformer 多尺度特征融合 MFPT数据集 自注意力机制
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 … 16 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