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
3
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GADF-MDSC的特大型轴承深度迁移故障诊断方法
1
作者
姜烨飞
王华
+2 位作者
潘裕斌
王天祥
傅航
《振动与冲击》
EI
CSCD
北大核心
2024年第19期10-18,共9页
针对工程应用中特大型轴承运行工况复杂以及故障数据匮乏,导致其故障特征提取不全面的问题,提出了一种基于格拉姆角差场-多尺度深度可分离卷积(Gramian angular difference field-multi-scale depthwise separable convolutions,GADF-MD...
针对工程应用中特大型轴承运行工况复杂以及故障数据匮乏,导致其故障特征提取不全面的问题,提出了一种基于格拉姆角差场-多尺度深度可分离卷积(Gramian angular difference field-multi-scale depthwise separable convolutions,GADF-MDSC)的特大型轴承深度迁移智能诊断方法。首先,构建GADF-MDSC故障诊断网络,该网络分为三大模块:图像转换、特征提取、输出部分。图像转换模块采用GADF编码方式将振动信号转换为二维图像;特征提取模块通过MDSC提取综合故障特征信息,并利用双向门控循环单元筛选融合特征;输出部分由Softmax函数预测轴承故障类型的概率分布。然后,利用源域数据预训练模型,将预训练模型权重参数作为目标域训练模型初始化参数,冻结除底层外的所有参数,使用目标域数据微调模型,实现深度迁移故障诊断任务。最后,通过两种特大型轴承试验对深度迁移模型进行验证。试验结果表明,所提方法在目标域样本仅有5.00%的条件下,仍能保证较高的跨工况精度,达到86.04%,且迁移效果优于其他方法。
展开更多
关键词
特大型轴承
故障诊断
迁移学习
格拉姆角差场(
gadf
)
多尺度深度可分离卷积(MDSC)
在线阅读
下载PDF
职称材料
基于GADF-CNN的滚动轴承故障诊断方法
被引量：
42
2
作者
仝钰
庞新宇
魏子涵
《振动与冲击》
EI
CSCD
北大核心
2021年第5期247-253,260,共8页
针对一维信号作为卷积神经网络输入时无法充分利用数据间的相关信息的问题,提出GADF-CNN的轴承故障诊断模型。利用格拉姆角差域(GADF)对采集到的振动信号进行编码,可以很容易地进行角度透视,从而识别出不同时间间隔内的时间相关性并生...
针对一维信号作为卷积神经网络输入时无法充分利用数据间的相关信息的问题,提出GADF-CNN的轴承故障诊断模型。利用格拉姆角差域(GADF)对采集到的振动信号进行编码,可以很容易地进行角度透视,从而识别出不同时间间隔内的时间相关性并生产相应特征图,之后将其输入卷积神经网络(CNN)自适应的完成滚动轴承故障特征的提取与分类。为了验证模型性能,采用凯斯西储大学轴承数据集进行轴承故障诊断分析,同时引入常见神经网络作为对比,检验不同模型的分类性能。结果表明,相较于其他图像编码方式与神经网络,该模型在载荷变化以及噪声污染时,仍保持了良好的诊断性能。
展开更多
关键词
轴承故障诊断
深度学习
格拉姆角差域
卷积神经网络
在线阅读
下载PDF
职称材料
基于卷积神经网络的EHG胎儿早产识别算法
3
作者
吴沈冠
邓艳军
+2 位作者
张烨菲
邵李焕
赵治栋
《中国医疗器械杂志》
2022年第3期242-247,共6页
胎儿早产是影响婴儿早期发育及生命安全的直接因素之一,其直接的临床表现为孕妇宫缩强度和频率的变化。子宫肌电信号通过在孕妇腹部采集而得,能准确有效地反映出子宫收缩的情况,比子宫宫内压力导管等侵入式监测技术具有更高的临床应用...
胎儿早产是影响婴儿早期发育及生命安全的直接因素之一,其直接的临床表现为孕妇宫缩强度和频率的变化。子宫肌电信号通过在孕妇腹部采集而得,能准确有效地反映出子宫收缩的情况,比子宫宫内压力导管等侵入式监测技术具有更高的临床应用价值。因此,基于EHG的胎儿早产识别算法研究对于围产期的胎儿监护尤为重要。该研究提出了一种基于卷积神经网络架构的EHG胎儿早产识别算法,通过格拉姆角差域法结合迁移学习技术构建一种深度CNN模型。采用临床实测的足月-早产EHG数据库对模型结构进行优化,实现了94.38%的分类准确度和97.11%的F1值。实验结果表明,本研究所构建的模型对临床胎儿早产的预测具有一定的辅助诊断价值。
展开更多
关键词
子宫肌电信号
格拉姆角差域
深度卷积神经网络
AlexNet
在线阅读
下载PDF
职称材料
题名
基于GADF-MDSC的特大型轴承深度迁移故障诊断方法
1
作者
姜烨飞
王华
潘裕斌
王天祥
傅航
机构
南京工业大学机械与动力工程学院
索特传动设备有限公司
出处
《振动与冲击》
EI
CSCD
北大核心
2024年第19期10-18,共9页
基金
国家自然科学基金(52205106)
江苏省自然科学基金青年项目(BK20210547)。
文摘
针对工程应用中特大型轴承运行工况复杂以及故障数据匮乏,导致其故障特征提取不全面的问题,提出了一种基于格拉姆角差场-多尺度深度可分离卷积(Gramian angular difference field-multi-scale depthwise separable convolutions,GADF-MDSC)的特大型轴承深度迁移智能诊断方法。首先,构建GADF-MDSC故障诊断网络,该网络分为三大模块:图像转换、特征提取、输出部分。图像转换模块采用GADF编码方式将振动信号转换为二维图像;特征提取模块通过MDSC提取综合故障特征信息,并利用双向门控循环单元筛选融合特征;输出部分由Softmax函数预测轴承故障类型的概率分布。然后,利用源域数据预训练模型,将预训练模型权重参数作为目标域训练模型初始化参数,冻结除底层外的所有参数,使用目标域数据微调模型,实现深度迁移故障诊断任务。最后,通过两种特大型轴承试验对深度迁移模型进行验证。试验结果表明,所提方法在目标域样本仅有5.00%的条件下,仍能保证较高的跨工况精度,达到86.04%,且迁移效果优于其他方法。
关键词
特大型轴承
故障诊断
迁移学习
格拉姆角差场(
gadf
)
多尺度深度可分离卷积(MDSC)
Keywords
extra-large bearing
fault diagnosis
transfer learning
gram
ian
angular
difference
field
(
gadf
)
multi-scale depthwise separable convolutions(MDSC)
分类号
TP206.3 [自动化与计算机技术—检测技术与自动化装置]
TH825 [机械工程—精密仪器及机械]
在线阅读
下载PDF
职称材料
题名
基于GADF-CNN的滚动轴承故障诊断方法
被引量：
42
2
作者
仝钰
庞新宇
魏子涵
机构
太原理工大学机械与运载工程学院
出处
《振动与冲击》
EI
CSCD
北大核心
2021年第5期247-253,260,共8页
基金
国家自然科学基金(51805352)
山西省面上自然基金项目(201901D111062)。
文摘
针对一维信号作为卷积神经网络输入时无法充分利用数据间的相关信息的问题,提出GADF-CNN的轴承故障诊断模型。利用格拉姆角差域(GADF)对采集到的振动信号进行编码,可以很容易地进行角度透视,从而识别出不同时间间隔内的时间相关性并生产相应特征图,之后将其输入卷积神经网络(CNN)自适应的完成滚动轴承故障特征的提取与分类。为了验证模型性能,采用凯斯西储大学轴承数据集进行轴承故障诊断分析,同时引入常见神经网络作为对比,检验不同模型的分类性能。结果表明,相较于其他图像编码方式与神经网络,该模型在载荷变化以及噪声污染时,仍保持了良好的诊断性能。
关键词
轴承故障诊断
深度学习
格拉姆角差域
卷积神经网络
Keywords
bearing fault diagnosis
deep learning
gram
angular
difference
field
(
gadf
)
convolutional neural network(CNN)
分类号
TH212 [机械工程—机械制造及自动化]
在线阅读
下载PDF
职称材料
题名
基于卷积神经网络的EHG胎儿早产识别算法
3
作者
吴沈冠
邓艳军
张烨菲
邵李焕
赵治栋
机构
杭州电子科技大学通信工程学院
杭州电子科技大学电子信息学院
出处
《中国医疗器械杂志》
2022年第3期242-247,共6页
基金
浙江省基础公益研究计划项目(LGG19F010010)。
文摘
胎儿早产是影响婴儿早期发育及生命安全的直接因素之一,其直接的临床表现为孕妇宫缩强度和频率的变化。子宫肌电信号通过在孕妇腹部采集而得,能准确有效地反映出子宫收缩的情况,比子宫宫内压力导管等侵入式监测技术具有更高的临床应用价值。因此,基于EHG的胎儿早产识别算法研究对于围产期的胎儿监护尤为重要。该研究提出了一种基于卷积神经网络架构的EHG胎儿早产识别算法,通过格拉姆角差域法结合迁移学习技术构建一种深度CNN模型。采用临床实测的足月-早产EHG数据库对模型结构进行优化,实现了94.38%的分类准确度和97.11%的F1值。实验结果表明,本研究所构建的模型对临床胎儿早产的预测具有一定的辅助诊断价值。
关键词
子宫肌电信号
格拉姆角差域
深度卷积神经网络
AlexNet
Keywords
electrohysterography(EHG)
gram
ian
angular
difference
field
(
gadf
)
deep convolution neural network(DCNN)
AlexNet
分类号
R714.21 [医药卫生—妇产科学]
TP301.6 [自动化与计算机技术—计算机系统结构]
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GADF-MDSC的特大型轴承深度迁移故障诊断方法
姜烨飞
王华
潘裕斌
王天祥
傅航
《振动与冲击》
EI
CSCD
北大核心
2024
0
在线阅读
下载PDF
职称材料
2
基于GADF-CNN的滚动轴承故障诊断方法
仝钰
庞新宇
魏子涵
《振动与冲击》
EI
CSCD
北大核心
2021
42
在线阅读
下载PDF
职称材料
3
基于卷积神经网络的EHG胎儿早产识别算法
吴沈冠
邓艳军
张烨菲
邵李焕
赵治栋
《中国医疗器械杂志》
2022
0
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
