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
PSO优化多尺度一维卷积神经网络的风机基础螺栓松动诊断
被引量：
5
1
作者
徐培文
陈仁祥
+3 位作者
胡小林
杨黎霞
唐林林
林立
《振动与冲击》
EI
CSCD
北大核心
2022年第4期86-92,共7页
为在非经验指导下获取多尺度一维卷积神经网络中卷积核数目和尺度最优参数,实现风机基础螺栓松动智能诊断,提出粒子群优化(particle swarm optimization, PSO)多尺度一维卷积神经网络的风机基础螺栓松动诊断方法。首先,获取风机一维原...
为在非经验指导下获取多尺度一维卷积神经网络中卷积核数目和尺度最优参数,实现风机基础螺栓松动智能诊断,提出粒子群优化(particle swarm optimization, PSO)多尺度一维卷积神经网络的风机基础螺栓松动诊断方法。首先,获取风机一维原始振动信号,划分训练集与验证集;然后,将多尺度一维卷积神经网络中卷积核数目和尺度作为PSO的粒子,以验证精度作为适应度值,根据适应度值更新粒子速度和位置,经训练后获得最优卷积核数目和尺度参数下的多尺度一维卷积神经网络;最后,输入测试样本,得到风机基础螺栓松动诊断结果。在稳定转速和升降速下进行风机基础螺栓松动诊断试验,结果表明,PSO优化多尺度一维卷积神经网络的风机基础螺栓松动诊断方法可在非经验指导下获取最优参数,可从一维原始信号中提取出有效松动特征,具备良好的松动诊断效果。
展开更多
关键词
风机基础螺栓
松动诊断
多尺度一维卷积神经网络
粒子群优化(PSO)
适应度值
在线阅读
下载PDF
职称材料
多尺度一维卷积神经网络的风机基础螺栓松动智能检测
被引量：
6
2
作者
陈仁祥
徐培文
+3 位作者
韩坤林
曾力
王帅
朱玉清
《振动与冲击》
EI
CSCD
北大核心
2022年第22期301-307,共7页
为精细化表征风机基础螺栓松动状态特征,实现对风机基础螺栓松动的智能检测,提出多尺度一维卷积神经网络的风机基础螺栓松动智能检测方法。首先,以风机运行时振动时域信号作为多尺度一维卷积神经网络的输入,摆脱对信号处理和专业知识的...
为精细化表征风机基础螺栓松动状态特征,实现对风机基础螺栓松动的智能检测,提出多尺度一维卷积神经网络的风机基础螺栓松动智能检测方法。首先,以风机运行时振动时域信号作为多尺度一维卷积神经网络的输入,摆脱对信号处理和专业知识的依赖,并最大程度保留原始信号特征;然后,通过交替的多尺度卷积层和池化层对时域信号特征进行学习,其中多尺度卷积层设置不同尺度的卷积核进行卷积运算,避免单一尺度卷积核对不同精细度特征的忽略,增强网络对特征的表达能力,实现对时域信号特征精细化分布式表征;最后,在特征输出层后添加Softmax多分类器,利用反向传播逐层微调结构参数建立特征空间到松动状态空间的映射,输出风机基础螺栓松动检测结果。所提方法将松动特征自动学习与松动识别融为一体,实现了风机基础螺栓松动智能检测。通过在稳定转速和变转速下对风机基础螺栓松动检测试验,证明了所提方法的可行性和有效性。
展开更多
关键词
风机基础螺栓
松动状态
智能检测
多尺度一维卷积神经网络
精细化表征
在线阅读
下载PDF
职称材料
题名
PSO优化多尺度一维卷积神经网络的风机基础螺栓松动诊断
被引量：
5
1
作者
徐培文
陈仁祥
胡小林
杨黎霞
唐林林
林立
机构
重庆交通大学交通工程应用机器人重庆市工程实验室
重庆工业大数据创新中心有限公司
出处
《振动与冲击》
EI
CSCD
北大核心
2022年第4期86-92,共7页
基金
国家自然科学基金(51975079)
重庆市技术创新与应用示范项目(cstc2018jscx-msybX0012)
+1 种基金
重庆市教育委员会科学技术研究项目(KJQN201900721)
交通工程应用机器人重庆市工程实验室开放基金(CELTEAR-KFKT-202002)。
文摘
为在非经验指导下获取多尺度一维卷积神经网络中卷积核数目和尺度最优参数,实现风机基础螺栓松动智能诊断,提出粒子群优化(particle swarm optimization, PSO)多尺度一维卷积神经网络的风机基础螺栓松动诊断方法。首先,获取风机一维原始振动信号,划分训练集与验证集;然后,将多尺度一维卷积神经网络中卷积核数目和尺度作为PSO的粒子,以验证精度作为适应度值,根据适应度值更新粒子速度和位置,经训练后获得最优卷积核数目和尺度参数下的多尺度一维卷积神经网络;最后,输入测试样本,得到风机基础螺栓松动诊断结果。在稳定转速和升降速下进行风机基础螺栓松动诊断试验,结果表明,PSO优化多尺度一维卷积神经网络的风机基础螺栓松动诊断方法可在非经验指导下获取最优参数,可从一维原始信号中提取出有效松动特征,具备良好的松动诊断效果。
关键词
风机基础螺栓
松动诊断
多尺度一维卷积神经网络
粒子群优化(PSO)
适应度值
Keywords
fan foundation bolt
looseness diagnosis
multi-scale one-dimensional convolution neural network
particle swarm optimization(PSO)
fitness value
分类号
TH113.1 [机械工程—机械设计及理论]
在线阅读
下载PDF
职称材料
题名
多尺度一维卷积神经网络的风机基础螺栓松动智能检测
被引量：
6
2
作者
陈仁祥
徐培文
韩坤林
曾力
王帅
朱玉清
机构
重庆交通大学交通工程应用机器人重庆市工程实验室
招商局重庆交通科研设计院有限公司
出处
《振动与冲击》
EI
CSCD
北大核心
2022年第22期301-307,共7页
基金
国家自然科学基金(51975079)
重庆市技术创新与应用示范项目(cstc2018jscx-msybX0012)
+3 种基金
重庆市教育委员会科学技术研究项目(KJZD-M202200701)
交通工程应用机器人重庆市工程实验室开放基金(CELTEAR-KFKT-202002)
重庆市研究生联合培养基地(JDLHPYJD2021007)
重庆交通大学研究生科研创新项目(2021S0040)。
文摘
为精细化表征风机基础螺栓松动状态特征,实现对风机基础螺栓松动的智能检测,提出多尺度一维卷积神经网络的风机基础螺栓松动智能检测方法。首先,以风机运行时振动时域信号作为多尺度一维卷积神经网络的输入,摆脱对信号处理和专业知识的依赖,并最大程度保留原始信号特征;然后,通过交替的多尺度卷积层和池化层对时域信号特征进行学习,其中多尺度卷积层设置不同尺度的卷积核进行卷积运算,避免单一尺度卷积核对不同精细度特征的忽略,增强网络对特征的表达能力,实现对时域信号特征精细化分布式表征;最后,在特征输出层后添加Softmax多分类器,利用反向传播逐层微调结构参数建立特征空间到松动状态空间的映射,输出风机基础螺栓松动检测结果。所提方法将松动特征自动学习与松动识别融为一体,实现了风机基础螺栓松动智能检测。通过在稳定转速和变转速下对风机基础螺栓松动检测试验,证明了所提方法的可行性和有效性。
关键词
风机基础螺栓
松动状态
智能检测
多尺度一维卷积神经网络
精细化表征
Keywords
bolts of a fan foundation
looseness state
intelligent detection
multi-scale one-dimensional convolutional neural network
refined representation
分类号
TH911.7 [机械工程]
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
PSO优化多尺度一维卷积神经网络的风机基础螺栓松动诊断
徐培文
陈仁祥
胡小林
杨黎霞
唐林林
林立
《振动与冲击》
EI
CSCD
北大核心
2022
5
在线阅读
下载PDF
职称材料
2
多尺度一维卷积神经网络的风机基础螺栓松动智能检测
陈仁祥
徐培文
韩坤林
曾力
王帅
朱玉清
《振动与冲击》
EI
CSCD
北大核心
2022
6
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
