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3,083篇文章
< 1 2 … 155 >
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：
非饱和非对称二维随机共振系统的优化及在高速铁路轴承故障诊断中的应用 被引量：3
1
作者 刘小峰 黄洪升 柏林 《铁道学报》 EI CAS CSCD 北大核心 2023年第11期70-77,共8页
针对传统双稳杜芬随机共振SR的输出饱和及噪声能量转换不足的问题,引入张角系数控制下的线性分段势阱函数,以抑制SR系统的输出饱和现象,采用非对称势阱函数扩大布朗粒子在单边势阱内的振荡范围,以增加SR输出幅值。结合非线性SR系统最佳... 针对传统双稳杜芬随机共振SR的输出饱和及噪声能量转换不足的问题,引入张角系数控制下的线性分段势阱函数,以抑制SR系统的输出饱和现象,采用非对称势阱函数扩大布朗粒子在单边势阱内的振荡范围,以增加SR输出幅值。结合非线性SR系统最佳耦合方式,构建非饱和-非对称二维SR系统,该系统的4个三维势阱的动力学特性丰富,势阱宽且陡峭度低,布朗粒子的振荡范围较大。采用多尺度简化粒子群优化算法,对构建的非饱和-非对称的二维SR系统进行多参数同步优化,进一步提高粒子在势阱内迁移向上的运动能量。仿真试验与高速铁路轴箱轴承的故障试验结果表明:所提出的优化耦合SR系统,能够显著增强特征信号幅值,提高噪声的利用率,在轴承早期损伤检测中具有突出优势。 展开更多
关键词 杜芬随机共振 非饱和非对称势函数 非线性耦合 多尺度简化粒子群优化 高速铁路轴承故障诊断
在线阅读 下载PDF
基于MDS和改进SSA-SVM的高速铁路道岔故障诊断方法研究 被引量：5
2
作者 王彦快 米根锁 +2 位作者 孔得盛 杨建刚 张玉 《铁道学报》 EI CAS CSCD 北大核心 2024年第1期81-90,共10页
针对高速铁路道岔设备故障频繁,现场维修工作量大等问题,提出基于多维尺度缩放法(MDS)和改进麻雀搜索算法(SSA)优化支持向量机(SVM)的高速铁路道岔故障诊断模型。首先以ZDJ9道岔转换功率曲线为研究对象,总结现场典型道岔故障类型及故障... 针对高速铁路道岔设备故障频繁,现场维修工作量大等问题,提出基于多维尺度缩放法(MDS)和改进麻雀搜索算法(SSA)优化支持向量机(SVM)的高速铁路道岔故障诊断模型。首先以ZDJ9道岔转换功率曲线为研究对象,总结现场典型道岔故障类型及故障原因,分别提取道岔功率曲线的时域、频域特征指标以及小波包能量熵,组成特征指标向量;其次采用MDS方法进行多维特征指标的降维优化,建立道岔故障特征指标样本数据库;最后利用改进Circle混沌映射初始化种群,并通过自适应t分布增强麻雀种群的多样性,再以改进SSA算法优化SVM模型中的惩罚因子和核函数方差2个关键参数,构建改进SSA-SVM的道岔故障诊断模型。故障诊断结果表明,本模型的故障诊断正确率高达96.25%,诊断效果优于其他方法,可以为道岔设备的故障维修提供理论依据。 展开更多
关键词 高速铁路道岔 故障诊断 改进麻雀搜索算法-支持向量机 Circle混沌映射 自适应t分布 小波包能量熵 多维尺度缩放法
在线阅读 下载PDF
基于改进SAE(堆叠自编码器)与温振融合的高速列车轴箱轴承轻微故障诊断方法
3
作者 徐潇 宋冬利 王梓帆 《城市轨道交通研究》 北大核心 2025年第4期227-232,237,共7页
[目的]高速列车轴箱轴承服役环境复杂多变,其单源信号对微弱故障的诊断精度不足。为了提高轴箱轴承早期微弱故障的诊断精度,有必要结合轴承温度、振动多源故障信息,研究一种温振特征融合驱动的高速列车轴箱轴承轻微故障诊断方法。[方法... [目的]高速列车轴箱轴承服役环境复杂多变,其单源信号对微弱故障的诊断精度不足。为了提高轴箱轴承早期微弱故障的诊断精度,有必要结合轴承温度、振动多源故障信息,研究一种温振特征融合驱动的高速列车轴箱轴承轻微故障诊断方法。[方法]首先,设计了一种AE(自编码器)驱动的轴承温度特征提取方法,以获取轴承异常温度特征,并采用EMD(经验模态分解)方法对振动信号进行处理,以获取有效振动IMF(本征模态函数)分量的统计特征。然后,通过优化基于SAE(堆叠自编码器)的降维算法,提出了一种温振特征有效融合方法,以实现温度特征与振动特征的非线性融合与降维。最终,结合BP(反向传播)神经网络,建立了基于温振特征融合的轴箱轴承轻微故障诊断模型。并利用高速列车滚动轴承试验台采集的数据对模型进行验证。[结果及结论]相较于基于单源信号特征的故障诊断方法,基于温振特征融合的诊断方法具有更高的故障诊断精度,平均诊断准确率可达到99%以上。相较于采用PCA(主成分分析)温振模型,采用所提的温振融合轴承诊断模型更准确有效。 展开更多
关键词 高速列车 轴箱轴承 轻微故障诊断 特征提取 温振融合 自编码器
在线阅读 下载PDF
基于CEEMDAN和熵特征的滚动轴承故障诊断 被引量：2
4
作者 高淑芝 陈雪峰 +1 位作者 张义民 石烁 《机械设计与制造》 北大核心 2025年第1期99-102,共4页
针对滚动轴承的故障诊断与分类,提出了一种基于自适应噪声完全集合经验模态分解(CEEMDAN)、模糊测度熵(FME)和粒子群优化算法-概率神经网络(PSO-PNN)的故障诊断方法。首先,CEEMDAN被用于分解振动信号,由于自适应噪声的加入,分解效果得... 针对滚动轴承的故障诊断与分类,提出了一种基于自适应噪声完全集合经验模态分解(CEEMDAN)、模糊测度熵(FME)和粒子群优化算法-概率神经网络(PSO-PNN)的故障诊断方法。首先,CEEMDAN被用于分解振动信号,由于自适应噪声的加入,分解效果得到最大改善。其次,基于FME,对包含故障的模式进行特征提取。最后,将特征向量输入到经过PSO优化的PNN中进行故障分类,优化后的PNN具有更准确的分类精度。通过实验案例验证,该方法的诊断能力得到验证,且分别与使用经验模态分解(EMD)和集合EMD(EEMD)分解方法进行对比,进一步体现了该方法的优越性。 展开更多
关键词 噪声辅助 模态分解 滚动轴承 故障诊断
在线阅读 下载PDF
基于SSA-IWT-EMD的滚动轴承故障诊断方法 被引量：2
5
作者 雷春丽 焦孟萱 +3 位作者 樊高峰 刘世超 薛林林 李建华 《北京航空航天大学学报》 北大核心 2025年第4期1152-1162,共11页
针对小波阈值降噪不充分及经验模态分解(EMD)特征频率提取不明显的问题,提出一种基于麻雀搜索算法-改进小波阈值-EMD(SSA-IWT-EMD)的滚动轴承故障诊断方法。引入2个调节因子,提出一种IWT函数,克服了传统软硬阈值的缺点,并运用SSA对其各... 针对小波阈值降噪不充分及经验模态分解(EMD)特征频率提取不明显的问题,提出一种基于麻雀搜索算法-改进小波阈值-EMD(SSA-IWT-EMD)的滚动轴承故障诊断方法。引入2个调节因子,提出一种IWT函数,克服了传统软硬阈值的缺点,并运用SSA对其各参数进行全局寻优,实现滚动轴承信号降噪。提出一种综合指标P对EMD产生的分量进行选取重构,突出信号的故障特征信息。采用包络谱分析实现轴承的故障诊断。仿真和实测结果验证了所提方法的有效性;同时与单一指标选取分量的方法及文献方法进行对比,说明了综合指标P和所提方法具有更强的降噪能力及特征提取能力,包络谱幅值及倍频成分更明显,可以更好地实现对滚动轴承的故障诊断。 展开更多
关键词 滚动轴承 改进阈值 综合指标 经验模态分解 故障诊断
在线阅读 下载PDF
基于1DCNN特征提取和RF分类的滚动轴承故障诊断
6
作者 张豪 刘其洪 +1 位作者 李伟光 李漾 《中国测试》 北大核心 2025年第4期137-143,共7页
针对深度学习技术在滚动轴承故障诊断识别中依赖于大量测量数据,相对较少的数据可能会导致过度拟合并降低模型的稳定性等问题,提出一种一维卷积神经网络(1DCNN)和随机森林(RF)相结合的轴承故障诊断模型。将原始时域信号输入搭建的1DCNN... 针对深度学习技术在滚动轴承故障诊断识别中依赖于大量测量数据,相对较少的数据可能会导致过度拟合并降低模型的稳定性等问题,提出一种一维卷积神经网络(1DCNN)和随机森林(RF)相结合的轴承故障诊断模型。将原始时域信号输入搭建的1DCNN网络中,提取原始数据特征向量,对特征向量进行t-SNE降维可视化,验证1DCNN特征提取的有效性。将特征向量输入随机森林实现故障状态识别,解决小样本的滚动轴承故障分类问题。在CWRU数据集和Paderborn数据集上进行实验,针对不同类型、不同损伤程度的轴承,得到分类结果准确率分别达到99.69%和99.16%。与传统的神经网络和机器学习分类模型相比,1DCNN-RF模型具有更高的诊断准确率,可验证所提模型的泛化性和有效性。 展开更多
关键词 滚动轴承 故障诊断 一维卷积神经网络 随机森林
在线阅读 下载PDF
参数优化最小噪声幅值反褶积在轴承故障诊断中的应用
7
作者 张振军 程嘉瑞 +1 位作者 章娅菲 郑琰心 《制造技术与机床》 北大核心 2025年第8期96-103,共8页
在轴承故障诊断中,检测振动信号中的循环脉冲分量是关键,对故障特征提取至关重要。然而,复杂的工况环境常使微弱的脉冲分量被背景噪声和振动干扰掩盖。为此,提出了一种基于参数自适应最小噪声幅值反褶积(parametric adaptive minimum no... 在轴承故障诊断中,检测振动信号中的循环脉冲分量是关键,对故障特征提取至关重要。然而,复杂的工况环境常使微弱的脉冲分量被背景噪声和振动干扰掩盖。为此,提出了一种基于参数自适应最小噪声幅值反褶积(parametric adaptive minimum noise amplitude deconvolution,PAMNAD)的轴承故障诊断方法。该方法利用改进的灰狼优化(improved grey wolf optimization,IGWO)算法对最小噪声幅值反褶积(minimum noise amplitude deconvolution,MNAD)进行优化,确定滤波器长度、迭代次数和噪声比这三个关键参数的最优值。优化后的最小噪声幅值反褶积在不同工况下展现出更高的自适应性和鲁棒性。试验结果表明,该方法在实际轴承故障信号处理中具有显著的有效性和优越性。 展开更多
关键词 滚动轴承 故障诊断 IGWO 参数自适应 MNAD
在线阅读 下载PDF
基于BNN-RA模型的风电机组轴承故障诊断研究
8
作者 余萍 宋紫琼 +1 位作者 曹洁 陈息良 《太阳能学报》 北大核心 2025年第3期643-651,共9页
针对风电机组轴承故障诊断中特征提取困难,模型迭代速度慢,精度低的问题,该文提出一种基于改进二值化神经网络(BNN)的风电机组轴承故障诊断方法。首先采用格拉姆角场(GAF)将轴承振动信号转换为二维图像,以提高特征提取精度,然后结合深... 针对风电机组轴承故障诊断中特征提取困难,模型迭代速度慢,精度低的问题,该文提出一种基于改进二值化神经网络(BNN)的风电机组轴承故障诊断方法。首先采用格拉姆角场(GAF)将轴承振动信号转换为二维图像,以提高特征提取精度,然后结合深度残差网络和注意力机制构建BNN-RA(BNN+Residual Network+Spatial attention network structure)故障诊断模型,实现轴承的高效故障诊断,最终通过美国凯斯西储大学(CWRU)与江南大学(JNU)公开的轴承数据集进行方法有效性验证。结果表明,该方法可有效提高网络迭代速度和诊断精度,模型在CWRU轴承数据集单一工况下迭代11次可达到收敛,故障诊断准确率达到99.20%,在两数据集的不同工况下平均准确率可达98.46%与97.6%。 展开更多
关键词 风电机组 故障诊断 轴承 二值化神经网络 格拉姆角场
在线阅读 下载PDF
基于广义Dice系数改进SAMP算法的轴承故障诊断
9
作者 于春霞 王峰伟 +1 位作者 张建国 李明 《机械设计与制造》 北大核心 2025年第2期183-186,191,共5页
轴承是机械传动装置中不可或缺的零件之一,其信号存在干扰和冗余成分的问题。为了进一步提高振动阶段的故障诊断效果,设计了一种基于广义Dice系数改进自适应匹配追踪(SAMP)算法的轴承故障诊断方法。SAMP算法采用分段迭代方式实现支撑集... 轴承是机械传动装置中不可或缺的零件之一,其信号存在干扰和冗余成分的问题。为了进一步提高振动阶段的故障诊断效果,设计了一种基于广义Dice系数改进自适应匹配追踪(SAMP)算法的轴承故障诊断方法。SAMP算法采用分段迭代方式实现支撑集的自主调整,广义Dice系数可以显著增强信号重建品质。通过实验进行了验证,研究结果表明:原始信号中混杂多种干扰元素,导致啮合频率和边频带被掩盖,无法准确识别故障特征。经过SAMP重构形成的故障频谱清晰显示了啮合频率和频,边频带被有效覆盖,可以有效反映故障信号。外圈和内圈故障信号呈现出规律性周期波动特点,以SAMP算法处理后的故障信号依然保持周期性特点,频率附近产生了相应的边频带,由此实现对故障信号特征的准确识别。 展开更多
关键词 轴承 故障诊断 自适应匹配追踪算法 实验验证
在线阅读 下载PDF
基于改进深度残差网络的轴承故障诊断方法
10
作者 高淑芝 韩晓亮 张义民 《机械设计与制造》 北大核心 2025年第3期241-244,249,共5页
针对卷积神经网络结构因深度的增加导致的网络退化以及准确率饱和问题,本文改进深度残差网络应用于故障诊断。首先,改进的残差网络包含三个残差单元模块,改进后的残差结构去掉了不必要的非线性层,在模块首尾都加入批量归一化层提升了网... 针对卷积神经网络结构因深度的增加导致的网络退化以及准确率饱和问题,本文改进深度残差网络应用于故障诊断。首先,改进的残差网络包含三个残差单元模块,改进后的残差结构去掉了不必要的非线性层,在模块首尾都加入批量归一化层提升了网络性能;其次,采集的轴承故障样本分为训练集与测试集,将训练集数据样本输入到网络模型中进行训练优化,输入测试集数据到诊断模型中得出诊断结果;最后,利用t-SNE可视化方法对模型中每一个残差模块学习特征的过程进行分析。经轴承寿命试验台数据结果表明,本方法对滚动轴承发生故障的诊断识别率均达到100%。可见该模型具有非常好的诊断识别效果。 展开更多
关键词 滚动轴承 故障诊断 深度残差网络 t-SNE可视化
在线阅读 下载PDF
基于MDAM-GhostCNN的滚动轴承故障诊断方法
11
作者 郭俊锋 谭宝宏 王智明 《北京航空航天大学学报》 北大核心 2025年第4期1172-1184,共13页
针对传统故障诊断方法特征提取不充分、计算复杂及在变工况下识别准确率低的问题,提出一种基于混合域注意力机制(MDAM)-GhostCNN的滚动轴承故障诊断方法。采用马尔可夫转移场(MTF)将轴承振动信号转化为具有时间相关性的二维特征图;利用G... 针对传统故障诊断方法特征提取不充分、计算复杂及在变工况下识别准确率低的问题,提出一种基于混合域注意力机制(MDAM)-GhostCNN的滚动轴承故障诊断方法。采用马尔可夫转移场(MTF)将轴承振动信号转化为具有时间相关性的二维特征图;利用Ghost卷积计算精简的优点,构造出GhostCNN;设计一种MDAM,使网络从通道和空间2个维度充分捕获特征信息,实现特征通道间相互依赖的同时让网络有效关注特征空间信息。由此,构建出MDAM-GhostCNN模型。将MTF二维特征图输入到MDAM-GhostCNN模型中进行训练并输出诊断结果。采用凯斯西储大学和江南大学(JNU)轴承数据集进行实验验证,并对其数据集进行加噪处理。结果表明:在变工况下,所建模型有着更高的识别准确率、抗噪性能和泛化性能。 展开更多
关键词 滚动轴承 故障诊断 马尔可夫转移场 Ghost卷积 注意力机制
在线阅读 下载PDF
基于改进生成对抗网络和Swin Transformer的样本不均衡轴承故障诊断
12
作者 马良玉 黄日灏 +3 位作者 段晓冲 胡景琛 高海天 马进 《南京信息工程大学学报》 北大核心 2025年第4期528-537,共10页
深度学习由于其强大的特征提取能力被广泛应用于故障诊断领域,但在实际生产过程中,故障样本数量通常远低于正常样本,从而导致故障诊断模型的分类准确率下降.为此,本文提出一种基于改进循环生成对抗网络和Swin Transformer的样本不均衡... 深度学习由于其强大的特征提取能力被广泛应用于故障诊断领域,但在实际生产过程中,故障样本数量通常远低于正常样本,从而导致故障诊断模型的分类准确率下降.为此,本文提出一种基于改进循环生成对抗网络和Swin Transformer的样本不均衡轴承故障诊断方法,并以旋转机械滚动轴承振动故障诊断为例对方法进行验证.首先,将原始振动信号的时频图作为循环生成对抗网络的输入;然后,为克服训练不稳定、模型不能及时收敛等问题,引入谱归一化和权值衰减,利用改进的循环生成对抗网络生成更多的故障样本;最后,采用Swin Transformer模型来进行故障诊断,并与随机森林(RF)、堆叠自编码器(SAE)、支持向量机(SVM)、卷积神经网络(CNN)进行对比.在美国凯斯西储大学(CWRU)轴承故障数据集进行多组不同的故障样本生成与故障诊断实验,结果表明,本文方法可以在训练样本数量较少时生成质量较高的合成样本,与其他方法相比,Swin Transformer模型故障诊断精度更高,在不平衡数据的故障诊断方面具有很大的潜力. 展开更多
关键词 滚动轴承 故障诊断 不平衡样本 循环生成对抗网络 深度学习
在线阅读 下载PDF
基于转频脊线的滚动轴承阶次分析故障诊断
13
作者 张小丽 范攀锋 +3 位作者 李贤耀 王保建 梁旺 王芳珍 《噪声与振动控制》 北大核心 2025年第1期139-145,共7页
针对变转速状况下部分设备难以安装转速计而导致转速信息缺失的问题,提出基于阶次分析的无转速计滚动轴承故障诊断方法。同时针对振动信号处理中时频脊线提取精度不高、轴承转频脊线识别困难等问题,提出基于快速路径优化算法的多时频脊... 针对变转速状况下部分设备难以安装转速计而导致转速信息缺失的问题,提出基于阶次分析的无转速计滚动轴承故障诊断方法。同时针对振动信号处理中时频脊线提取精度不高、轴承转频脊线识别困难等问题,提出基于快速路径优化算法的多时频脊线提取方法和基于脊线拟合优度指标的转频脊线识别方法。首先,利用快速路径优化算法可以抑制相邻时刻频率跳变的特点,提高时频脊线提取精度;其次,通过计算脊线拟合优度值的方法从所提取的多条时频脊线中识别出转频脊线;最后利用识别的转频脊线结合阶次分析,对滚动轴承故障实验振动信号进行分析,验证所提滚动轴承故障诊断方法的可行性。 展开更多
关键词 故障诊断 滚动轴承 脊线识别 阶次分析 变转速工况
在线阅读 下载PDF
改进B样条逼近时变滤波在电机轴承故障诊断中的应用
14
作者 杨娜 刘晔 +1 位作者 徐元博 刘静超 《噪声与振动控制》 北大核心 2025年第3期151-157,共7页
对电机轴承进行有效的故障诊断,不仅可以保证设备平稳高效运行,而且可以及时发现和排除运行故障,防止事故的发生。然而,从故障轴承中提取出的振动信号属于时变非平稳信号。此外,强烈的环境噪声也会掩盖微弱的故障循环脉冲。针对上述问题... 对电机轴承进行有效的故障诊断,不仅可以保证设备平稳高效运行,而且可以及时发现和排除运行故障,防止事故的发生。然而,从故障轴承中提取出的振动信号属于时变非平稳信号。此外,强烈的环境噪声也会掩盖微弱的故障循环脉冲。针对上述问题,提出一种改进B样条逼近时变滤波方法用以处理轴承故障信号。该方法采用新颖的瞬时幅值和瞬时频率估计方法代替传统的希尔伯特变换方法,增强B样条逼近的精度从而提高滤波性能。首先,通过所提方法对轴承故障信号进行滤波处理突出故障信息;然后对滤波信号进行包络分析得到包络谱,从而得到故障特征频率。仿真和真实故障信号实验表明,采用该方法可以有效提取电机轴承故障微弱特征。因此,该方法可为电机轴承故障诊断提供一种新的技术。 展开更多
关键词 故障诊断 电机轴承 瞬时幅值 瞬时频率 改进B样条时变滤波
在线阅读 下载PDF
不均衡样本下轴承故障的LSGAN‑Swin Transformer诊断方法
15
作者 刘杰 谭玉涛 +1 位作者 谷艳玲 杨娜 《振动工程学报》 北大核心 2025年第8期1775-1787,共13页
针对轴承在复杂环境下工作时故障数据难以大量获取,正常数据与故障数据比例严重失衡造成的深度模型训练不充分、诊断精度低等问题,提出一种基于LSGAN-Swin Transformer的轴承故障诊断方法,利用最小二乘生成对抗网络(LSGAN)扩充不均衡或... 针对轴承在复杂环境下工作时故障数据难以大量获取,正常数据与故障数据比例严重失衡造成的深度模型训练不充分、诊断精度低等问题,提出一种基于LSGAN-Swin Transformer的轴承故障诊断方法,利用最小二乘生成对抗网络(LSGAN)扩充不均衡或缺少的轴承数据集,引入窗口自注意力网络进行轴承故障状态识别,使用两种数据集验证所提方法的有效性,并分别与SGAN、WGAN进行对比,证明LSGAN生成的数据训练模型具有更高的准确率。在小样本条件下训练LSGAN,将所提Swin Transformer(Swin-T)模型与CNN、AlexNe和SqueezeNet进行对比,诊断准确率分别提升了34.85%、13.45%和12.95%。通过t-SNE可视化分析对模型分类效果进行评估,结果表明,LSGAN-Swin-T模型在训练样本数量较少时仍能较好地满足故障诊断中的需求,为不均衡数据下的轴承故障诊断研究提供思路。 展开更多
关键词 故障诊断 滚动轴承 不均衡样本 最小二乘生成对抗网络 Swin Transformer
在线阅读 下载PDF
频谱能量增强的IEWT滚动轴承故障诊断方法
16
作者 古莹奎 李成 吴宽 《机械设计与制造》 北大核心 2025年第1期70-74,81,共6页
尺度空间方法的经验小波变换(EWT)在滚动轴承故障诊断中容易出现共振频带过度分割、频带破裂,导致故障诊断失败。为此,提出频谱增强的改进经验小波滚动轴承故障诊断方法。首先,将Teager能量算子引入信号频谱,利用能量算子能够追踪并增... 尺度空间方法的经验小波变换(EWT)在滚动轴承故障诊断中容易出现共振频带过度分割、频带破裂,导致故障诊断失败。为此,提出频谱增强的改进经验小波滚动轴承故障诊断方法。首先,将Teager能量算子引入信号频谱,利用能量算子能够追踪并增强信号瞬时成分能量的特点,对信号频谱瞬时冲击进行能量增强,减小噪声对信号频谱的影响;其次,对能量增强后频谱进行频带极大值包络的改进经验小波变换(IEWT)分解,得到一系列固有模态;最后,对裕度因子最大的固有模态进行包络解调分析,提取轴承故障特征。分析结果表明,所提方法能够增强故障引起的瞬态冲击成分,减少噪声对频谱分割的影响,有效地避免共振频带的过度分割导致的频带破裂。 展开更多
关键词 频谱能量增强 改进经验小波变换 TEAGER能量算子 滚动轴承 故障诊断
在线阅读 下载PDF
基于快速特征逼近谱图注意力网络的滚动轴承半监督智能故障诊断研究
17
作者 宁少慧 杜越 周利东 《机床与液压》 北大核心 2025年第6期33-39,共7页
基于图注意力网络的诊断模型在故障诊断全监督任务中有较好的表现,但在半监督任务中表现欠佳。针对此问题,构建一种基于快速特征逼近谱图注意力网络的半监督滚动轴承智能故障诊断模型。通过K近邻图方法将振动信号转为可用于诊断的图数据... 基于图注意力网络的诊断模型在故障诊断全监督任务中有较好的表现,但在半监督任务中表现欠佳。针对此问题,构建一种基于快速特征逼近谱图注意力网络的半监督滚动轴承智能故障诊断模型。通过K近邻图方法将振动信号转为可用于诊断的图数据,丰富了数据特征;将图数据输入到构建的诊断模型中,学习故障信息特征,并分析不同的标签比例训练集的诊断结果。同时,分析了Sum、Mean、Max 3种池化方式和超参数对诊断模型的影响;最后,分别在两组实验轴承数据集上进行验证。结果表明:所提模型可以有效地捕获图的全局模式,降低计算复杂度,在全监督诊断任务中其诊断准确率可以保持在99%以上;在标签比例为10%的半监督任务中,其诊断准确率仍能保持在93.5%,所提诊断模型在半监督任务中有良好表现。 展开更多
关键词 轴承 故障诊断 快速特征逼近谱图注意力网络 K近邻图算法
在线阅读 下载PDF
一种小样本滚动轴承故障诊断算法
18
作者 宋存利 王子卓 时维国 《中国惯性技术学报》 北大核心 2025年第1期96-106,共11页
针对卷积神经网络在处理滚动轴承时域信号时难以充分提取特征、故障样本稀少及模型泛化性能不足的问题,提出一种基于注意力机制的增强卷积神经网络小样本故障诊断方法。首先,使用连续小波变换将轴承振动信号转化为二维时频图像,以便可... 针对卷积神经网络在处理滚动轴承时域信号时难以充分提取特征、故障样本稀少及模型泛化性能不足的问题,提出一种基于注意力机制的增强卷积神经网络小样本故障诊断方法。首先,使用连续小波变换将轴承振动信号转化为二维时频图像,以便可视化其特征。然后,通过数据增强扩充样本数据,提升模型在小样本情况下的泛化性。为提高特征提取和模型泛化能力,使用MixConv将ConvNeXt V2模型的7×7卷积层重构为不同大小的并行卷积核,增强多尺度特征提取效果;引入卷积注意力机制模块(CBAM)提升关键特征识别能力。该模型在凯斯西储大学、东南大学和渥太华大学的故障数据集上进行实验验证。实验结果表明,所提模型对不同故障的识别率均为100%,与目前常用的7个模型相比,在相同条件下故障识别准确率最高,具有较强的泛化性能。 展开更多
关键词 滚动轴承 故障诊断 注意力机制 连续小波变换 卷积神经网络
在线阅读 下载PDF
基于K近邻算法的数据融合与改进图卷积神经网络的电机轴承故障诊断
19
作者 孙丽玲 唐李昱 许伯强 《电机与控制学报》 北大核心 2025年第5期12-18,共7页
为了解决单一类型数据对电机轴承故障诊断准确率不高和图卷积神经网络具有过平滑现象的问题,提出一种多数据融合和改进图卷积神经网络的电机轴承故障诊断方法。首先,通过快速傅里叶变换将电机轴承的振动信号和电机电流信号分别转换为频... 为了解决单一类型数据对电机轴承故障诊断准确率不高和图卷积神经网络具有过平滑现象的问题,提出一种多数据融合和改进图卷积神经网络的电机轴承故障诊断方法。首先,通过快速傅里叶变换将电机轴承的振动信号和电机电流信号分别转换为频域信号;然后,将每一个频率视为一个结点,对应的振动和电流信号视为节点特征,根据K近邻图构造法,将振动信号和电流信号融合成图结构数据;进而,将图数据输入通过添加初始残差连接模块而改进的图卷积神经网络进行训练,从而得到诊断结果。在帕德博恩数据集上,将所提方法和多种模型进行电机轴承故障诊断对比实验,实验结果表明,所提模型的故障识别准确率能达到98.6%,优于对比方法,证明所提数据融合方法与改进图卷积神经网络是有效的。 展开更多
关键词 深度学习 故障诊断 图卷积神经网络 电机轴承 快速傅里叶变换 数据融合 电流数据
在线阅读 下载PDF
基于特征交叉注意力机制融合的轴承故障诊断方法
20
作者 赵国超 刘崇德 +2 位作者 宋宇宁 金鑫 李伟华 《振动与冲击》 北大核心 2025年第12期228-237,共10页
为了解决轴承振动信号特征提取不充分导致故障诊断准确率低的问题,提出一种基于特征交叉注意力机制融合的轴承故障诊断方法,建立CNN-BiTCN-CA诊断模型。采用变分模态分解和快速傅里叶变换对原始信号进行重构,分别使用卷积神经网络(convo... 为了解决轴承振动信号特征提取不充分导致故障诊断准确率低的问题,提出一种基于特征交叉注意力机制融合的轴承故障诊断方法,建立CNN-BiTCN-CA诊断模型。采用变分模态分解和快速傅里叶变换对原始信号进行重构,分别使用卷积神经网络(convolutional neural network,CNN)和双向时间卷积网络(bidirectional temporal convolutional network,BiTCN)提取时频特征,通过交叉注意力机制(cross-attention mechanism,CA)融合时频特征的能力,充分提取原始信号故障特征,利用全连接层实现滚动轴承故障类型的精确诊断。试验研究表明:在含信噪比为9.32 dB、标准差为2.98的高斯白噪声的环境下,使用CNN-BiTCN-CA模型轴承故障分类准确率为99.88%,相较于使用CNN、BiTCN和结合自注意力机制的卷积神经网络(CNN with self-attention mechanism,CNN-SA)诊断轴承故障,准确率分别提升约22.79%、4.85%和4.19%;在引入信噪比为3.31 dB、标准差为5.96的高斯白噪声时,该模型仍然可以达到96.12%的诊断准确率。CNN-BiTCN-CA模型能够深入提取轴承信号中的故障特征,有效提高故障分类准确性。 展开更多
关键词 滚动轴承 故障诊断 双向时间卷积网络(BiTCN) 时频融合 交叉注意力机制(CA)
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 … 155 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