-
题名基于多模态融合的抗噪声故障诊断方法
- 1
-
-
作者
宋庆军
孙世荣
宋庆辉
陆丽娜
陈俊龙
姜海燕
-
机构
山东科技大学智能装备学院
-
出处
《机电工程》
北大核心
2025年第11期2129-2140,共12页
-
基金
国家自然科学基金资助项目(52174145)
山东省科技型中小企业创新能力提升项目(2022TSGC2447,2023TSGC0620)
+1 种基金
山东泰安市科技创新发展项目(2021ZDZX006)
泰安市科技创业发展项目(2023GX023)。
-
文摘
随着工业设备运行环境日益复杂,在噪声环境下的故障诊断中,单一模态的数据往往无法提供全面且准确的故障信息,为此,提出了基于多模态融合的抗噪声故障诊断方法(MMFD),旨在提高噪声干扰环境下的故障诊断性能。首先,分别使用了改进型GAF角场(GAGM)转换方法和变分模态分解(VMD)对振动信号进行了预处理;然后,时序信号通过双向门控循环单元(BIGRU)与多头注意力机制(MA)协同捕获动态时序特征;接着,将振动信号编码为二维图谱,并设计了多尺度卷积网络(MCNN)集成空洞空间金字塔池化(ASPP)和卷积注意力模块(CBAM),以提取空间深层特征;为强化跨模态特征融合,设计了特征交互网络(FIN)实现时频特征的深度交互,并构建了门控多模态单元(GMU)动态加权多源特征,挖掘了多模态数据间的互补信息;最后,采用了凯斯西储大学轴承故障数据集进行了多组鲁棒性实验。研究结果表明:在强噪声环境(信噪比为-6 dB)下,MMFD相比于其他故障诊断方法,诊断准确率提升超过10%;此外,MMFD在不同信噪比下均能保持80%以上的准确率。该研究为复杂噪声环境中的智能故障诊断提供了一种新的思路。
-
关键词
格拉姆角场
空洞空间金字塔池化模块
多头注意力机制
双向门控循环单元
卷积注意力模块
特征交互网络
门控多模态单元
-
Keywords
Gramian angular field(GAF)
atrous spatial pyramid pooling module(ASPP)
multi-attention mechanism(MA)
bi-directional gated recirculation unit(BIGRU)
convolutional block attention module(CBAM)
feature interaction network(FIN)
gated multimodal unit(GMU)
-
分类号
TH133.3
[机械工程—机械制造及自动化]
-
-
题名基于用户传播网络与消息内容融合的谣言检测模型
被引量：9
- 2
-
-
作者
薛海涛
王莉
杨延杰
廉飚
-
机构
太原理工大学大数据学院
北方自动控制技术研究所
-
出处
《计算机应用》
CSCD
北大核心
2021年第12期3540-3545,共6页
-
基金
国家自然科学基金资助项目(61872260)。
-
文摘
针对社交媒体平台上消息内容普遍很短、传播结构中存在大量空转发、用户角色与内容间的失配等条件约束,提出了一种基于传播网络中的用户属性信息和消息内容的谣言检测模型GMB_GMU。首先以用户属性为节点、传播链为边构建用户传播网络,并引入图注意力网络(GAT)得到用户属性的增强表示;同时,基于此用户传播网络,利用node2vec得到用户的结构表征,并使用互注意机制对其进行增强。另外,引入BERT建立源帖内容表征。最后,利用多模态门控单元(GMU)对用户属性表征、结构表征和源帖内容表征进行融合,从而得到消息的最终表征。实验结果表明,GMB_GMU模型在公开的Weibo数据上的准确率达到0.952,能够有效识别谣言事件,效果明显优于基于循环神经网络(RNN)和其他神经网络基准模型的传播算法。
-
关键词
谣言检测
用户属性
图注意力网络
多模态门控单元
传播网络
-
Keywords
rumor detection
user attribute
Graph Attention neTwork(GAT)
Gated Multimodal Unit(GMU)
propagation network
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
