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
基于异常检测的轴承退化阶段识别方法
被引量：
7
1
作者
谢雨洁
肖友刚
+1 位作者
王田天
谢劲松
《中南大学学报（自然科学版）》
EI
CAS
CSCD
北大核心
2022年第5期1740-1749,共10页
为了提高轴承剩余寿命预测精度,提出一种基于多尺度局部核回归异常值检测的退化阶段识别方法。首先,对轴承振动信号进行预处理,采用局部离群因子检测法并结合多尺度邻域的信息构造用于评判异常度的指标。然后,通过对影响异常指标参数的...
为了提高轴承剩余寿命预测精度,提出一种基于多尺度局部核回归异常值检测的退化阶段识别方法。首先,对轴承振动信号进行预处理,采用局部离群因子检测法并结合多尺度邻域的信息构造用于评判异常度的指标。然后,通过对影响异常指标参数的循环迭代进行异常值检测,根据迭代后得到的最佳参数去除异常值。最后,利用3σ法自适应地设置退化预警区间,实现轴承退化阶段的识别。基于PHM 2012挑战赛和XJTU-SY旋转机械数据集对所提出方法的有效性进行验证。研究结果表明:所提出的方法能有效地解决随机异常造成的干扰,提高了轴承退化阶段识别的准确性。
展开更多
关键词
滚动轴承
异常检测
退化阶段识别
剩余寿命预测
在线阅读
下载PDF
职称材料
基于卷积变分自编码器的滚珠丝杠副异常监测
2
作者
文娟
王午炎
+1 位作者
郑磊
潘柏松
《计算机集成制造系统》
2025年第8期2999-3010,共12页
为解决滚珠丝杠副状态监测中面临的异常状态数据缺少问题,基于卷积变分自编码器(CNVAE)和动态核密度估计模型,提出一种无需故障数据的滚珠丝杠副异常监测方法。首先,采用一维卷积神经网络构建变分自编码器,以早期正常阶段采集的信号作...
为解决滚珠丝杠副状态监测中面临的异常状态数据缺少问题,基于卷积变分自编码器(CNVAE)和动态核密度估计模型,提出一种无需故障数据的滚珠丝杠副异常监测方法。首先,采用一维卷积神经网络构建变分自编码器,以早期正常阶段采集的信号作为输入,训练得到能够对正常数据进行重构的CNVAE模型。然后,将实时信号输入CNVAE模型中得到重构误差,作为表征滚珠丝杠副退化状态的健康指标。最后,采用一个在时间尺度上滑动的窗口选取不同时间段内的重构误差构成时间序列,输入核密度估计模型中,通过观测滑动窗口内重构误差的概率分布变化自动判定滚珠丝杠副是否出现异常。实验结果表明,提出方法能够区分滚珠丝杠副的不同退化阶段,表征滚珠丝杠副的退化演变过程,相比于传统方法能够更早地检测到滚珠丝杠副的异常。
展开更多
关键词
异常监测
卷积变分自编码器
核密度估计
滚珠丝杠副
退化阶段识别
在线阅读
下载PDF
职称材料
题名
基于异常检测的轴承退化阶段识别方法
被引量：
7
1
作者
谢雨洁
肖友刚
王田天
谢劲松
机构
中南大学交通运输工程学院
湖南大学机械与运载工程学院
出处
《中南大学学报（自然科学版）》
EI
CAS
CSCD
北大核心
2022年第5期1740-1749,共10页
基金
国家自然科学基金资助项目(51905547)。
文摘
为了提高轴承剩余寿命预测精度,提出一种基于多尺度局部核回归异常值检测的退化阶段识别方法。首先,对轴承振动信号进行预处理,采用局部离群因子检测法并结合多尺度邻域的信息构造用于评判异常度的指标。然后,通过对影响异常指标参数的循环迭代进行异常值检测,根据迭代后得到的最佳参数去除异常值。最后,利用3σ法自适应地设置退化预警区间,实现轴承退化阶段的识别。基于PHM 2012挑战赛和XJTU-SY旋转机械数据集对所提出方法的有效性进行验证。研究结果表明:所提出的方法能有效地解决随机异常造成的干扰,提高了轴承退化阶段识别的准确性。
关键词
滚动轴承
异常检测
退化阶段识别
剩余寿命预测
Keywords
bearings
outlier detection
degradation stage identification
remaining useful life prediction
分类号
U270.33 [机械工程—车辆工程]
在线阅读
下载PDF
职称材料
题名
基于卷积变分自编码器的滚珠丝杠副异常监测
2
作者
文娟
王午炎
郑磊
潘柏松
机构
浙江工业大学机械工程学院
出处
《计算机集成制造系统》
2025年第8期2999-3010,共12页
基金
国家自然科学基金资助项目(51475425)
绍兴市“揭榜挂帅”制科技资助项目(2021B41006)
浙江省博士后科研项目择优资助项目(273426)。
文摘
为解决滚珠丝杠副状态监测中面临的异常状态数据缺少问题,基于卷积变分自编码器(CNVAE)和动态核密度估计模型,提出一种无需故障数据的滚珠丝杠副异常监测方法。首先,采用一维卷积神经网络构建变分自编码器,以早期正常阶段采集的信号作为输入,训练得到能够对正常数据进行重构的CNVAE模型。然后,将实时信号输入CNVAE模型中得到重构误差,作为表征滚珠丝杠副退化状态的健康指标。最后,采用一个在时间尺度上滑动的窗口选取不同时间段内的重构误差构成时间序列,输入核密度估计模型中,通过观测滑动窗口内重构误差的概率分布变化自动判定滚珠丝杠副是否出现异常。实验结果表明,提出方法能够区分滚珠丝杠副的不同退化阶段,表征滚珠丝杠副的退化演变过程,相比于传统方法能够更早地检测到滚珠丝杠副的异常。
关键词
异常监测
卷积变分自编码器
核密度估计
滚珠丝杠副
退化阶段识别
Keywords
anomaly monitoring
convolutional variational autoencoder
kernel density estimation
ball screw
degradation stage identification
分类号
TG659 [金属学及工艺]
TP18 [金属学及工艺—金属切削加工及机床]
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
基于异常检测的轴承退化阶段识别方法
谢雨洁
肖友刚
王田天
谢劲松
《中南大学学报（自然科学版）》
EI
CAS
CSCD
北大核心
2022
7
在线阅读
下载PDF
职称材料
2
基于卷积变分自编码器的滚珠丝杠副异常监测
文娟
王午炎
郑磊
潘柏松
《计算机集成制造系统》
2025
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
