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78篇文章
< 1 2 … 4 >
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：
基于GAF变换和TM-CNN的水工钢闸门损伤识别
1
作者 李向阳 张钰奇 +1 位作者 铁瑛 李帅 《中国农村水利水电》 北大核心 2025年第9期207-214,222,共9页
针对水工闸门损伤识别较为困难且较小程度损伤的识别准确率偏低的问题,提出了一种基于格拉姆角场(Gramian Angular Fields,GAF)变换和双流多通道卷积神经网络(Two-Stream Multi-Channel Convolutional Neural Network,TM-CNN)的闸门损... 针对水工闸门损伤识别较为困难且较小程度损伤的识别准确率偏低的问题,提出了一种基于格拉姆角场(Gramian Angular Fields,GAF)变换和双流多通道卷积神经网络(Two-Stream Multi-Channel Convolutional Neural Network,TM-CNN)的闸门损伤识别方法。该方法将不同损伤状态下采集的一维振动信号经过GAF变换转换为二维图像并以此图像训练TM-CNN,建立闸门振动信号到损伤状态的映射关系来实现损伤识别。闸门损伤实验结果显示,所提方法在闸门单点和多点损伤实验中的识别准确率分别为98.04%和99.88%,且对低程度损伤类型的识别能力较好,单点和多点实验中5%程度损伤状态的AUC均值分别为0.999 6和1。实验结果验证了通过深度学习对被测物体振动信号进行分类的损伤识别方法应用于闸门上是可行的,对于水工闸门的健康监测研究具有重大意义。 展开更多
关键词 水工闸门 损伤识别 格拉姆角场 卷积神经网络
在线阅读 下载PDF
基于GAF-ResNet50的配电网故障区段定位
2
作者 石昱烜 席燕辉 张伟杰 《电力科学与技术学报》 北大核心 2025年第2期122-130,149,共10页
配电线路是现代电力系统的组成部分,直接影响着供电的安全和稳定。配电网故障定位分为对故障点的精准定位与区段定位两种。针对配电网结构的复杂性,提出基于GAF-ResNet50的配电网故障区段定位方法。该方法通过格拉姆角场算法,将一维时... 配电线路是现代电力系统的组成部分,直接影响着供电的安全和稳定。配电网故障定位分为对故障点的精准定位与区段定位两种。针对配电网结构的复杂性,提出基于GAF-ResNet50的配电网故障区段定位方法。该方法通过格拉姆角场算法,将一维时间序列转换成二维(Gramian angular field,GAF)图像,并利用残差神经网络的框架,从GAF图像中提取信号更深层次的故障特征,精确地辨识故障区域。为验证该方法的有效性,在MATLAB平台上搭建IEEE 13节点的配电网模型,对其产生故障数据进行故障区段的定位仿真。研究结果表明:该方法能够快速、准确地进行故障区段定位,其精度在98%以上,且该方法对噪声具有良好的鲁棒性。 展开更多
关键词 残差神经网络 配电网 格拉姆角场 域变换 故障定位
在线阅读 下载PDF
基于XRF的CARS-GAF-MobileNet铝合金牌号分类研究 被引量：1
3
作者 吕树彬 万优 +1 位作者 李福生 杨婉琪 《分析测试学报》 北大核心 2025年第6期1161-1168,共8页
铝合金以其卓越的特性在工业上得到广泛应用,对铝合金的牌号进行准确分类能够进一步推动制造业等领域的发展。该文提出了一种新的铝合金X射线荧光(XRF)光谱分类框架CARS-GAF-MobileNet(CGM)。首先,采用XRF光谱仪获取铝合金样本的XRF光... 铝合金以其卓越的特性在工业上得到广泛应用,对铝合金的牌号进行准确分类能够进一步推动制造业等领域的发展。该文提出了一种新的铝合金X射线荧光(XRF)光谱分类框架CARS-GAF-MobileNet(CGM)。首先,采用XRF光谱仪获取铝合金样本的XRF光谱数据;然后,提出一种基于多元素校正的竞争性自适应重加权采样(CARS)算法对数据进行变量筛选;随后,使用格拉姆角场(GAF)将一维光谱转换为二维光谱图像,并通过色彩映射将灰度图转为RGB图;最后,将转换后的二维光谱图作为Mobilenet-V3模型的输入,对铝合金样本进行分类。实验结果表明,所提出的CGM框架的最终分类准确率可以达到94.3%,能够对不同牌号的铝合金样品进行精确识别。CGM是一种具有潜力的铝合金牌号识别框架,对铝合金分类问题具有较好的理论指导和应用价值。 展开更多
关键词 X射线荧光 铝合金分类 格拉姆角场 竞争性自适应重加权采样 深度学习
在线阅读 下载PDF
IMGAF-RLNet模型的股指趋势预测研究 被引量：1
4
作者 张菊平 李路 《计算机工程与应用》 北大核心 2025年第6期229-243,共15页
针对金融时间序列动态不稳定性以及长期依赖的特性,构建了基于深度学习算法的IMGAF-RLNet模型预测中国股票市场的大、中盘指数涨跌趋势。IMGAF-RLNet采用格拉姆角场方法将目标股指和基于斯皮尔曼秩相关系数筛选的成分股的不同特征序列... 针对金融时间序列动态不稳定性以及长期依赖的特性,构建了基于深度学习算法的IMGAF-RLNet模型预测中国股票市场的大、中盘指数涨跌趋势。IMGAF-RLNet采用格拉姆角场方法将目标股指和基于斯皮尔曼秩相关系数筛选的成分股的不同特征序列编码为格拉姆差角场矩阵,然后将得到的矩阵序列构造为多维张量输入根据预训练模型分类结果筛选的CNN分类器残差网络(ResNet)进行特征提取,同时添加长短时记忆网络(LSTM)学习股指数据的时序特征,最后通过全连接网络对ResNet提取的局部特征和LSTM提取的整体特征完成股指趋势分类预测。选取沪深300、上证50、中证500指数作为研究对象。实验表明,三只股指的短、中、长期趋势预测准确率均在59%以上,其中预测效果最好的窗口及分类准确率分别为40、20、20以及62.65%、63.68%、61.85%。 展开更多
关键词 股指趋势预测 数据增强 格拉姆角场 残差神经网络 长短时记忆网络
在线阅读 下载PDF
基于改进GAF-inception网络的非侵入式工业负荷识别算法
5
作者 李辉 高嘉颉 +3 位作者 席荣军 陈思颖 黄轶群 沈泽帆 《电力科学与技术学报》 北大核心 2025年第4期103-112,共10页
针对现有非侵入式负荷识别(non-intrusive load monitoring,NILM)在低频工业数据中的辨识准确率低、泛化能力弱等问题,提出一种基于格拉夫角场格拉夫角场(Gramian angular field,GAF)与改进Inception网络结合的非侵入式工业负荷识别算... 针对现有非侵入式负荷识别(non-intrusive load monitoring,NILM)在低频工业数据中的辨识准确率低、泛化能力弱等问题,提出一种基于格拉夫角场格拉夫角场(Gramian angular field,GAF)与改进Inception网络结合的非侵入式工业负荷识别算法。先基于GAF,将功率的一维时序信息转换为带有时间特性的二维数据,提取不同工业场景下负荷特征信息;再建立改进Inception网络,利用其稀疏连接特性对多参数负荷特征进行多尺度提取,降低模型复杂度、提高计算效率,实现多场景工业负荷的高精度辨识;最后,采用工业负荷数据集(industrial appliance identification dataset,IAID)对所提算法进行验证。研究结果表明:所提算法能有效提高辨识准确率,其准确率可达94.48%,降低8%的计算成本。 展开更多
关键词 非侵入式负荷识别 工业负荷 格拉夫角场 Inception网络 深度学习
在线阅读 下载PDF
基于改进GAF-SE-ResNet的光伏逆变器开路故障诊断 被引量：6
6
作者 韩素敏 余悦伟 郭宇 《太阳能学报》 EI CAS CSCD 北大核心 2024年第10期336-344,共9页
针对光伏逆变器一维时序信号输入卷积神经网络时无法充分捕获时间和局部特征的问题,提出一种基于格拉姆角场(GAF)与改进的深度残差网络(ResNet)结合的光伏逆变器开路故障诊断模型。采用双通道GAF编码方法将一维电流信号映射为不同像素... 针对光伏逆变器一维时序信号输入卷积神经网络时无法充分捕获时间和局部特征的问题,提出一种基于格拉姆角场(GAF)与改进的深度残差网络(ResNet)结合的光伏逆变器开路故障诊断模型。采用双通道GAF编码方法将一维电流信号映射为不同像素分布的二维故障特征图像,将特征图像作为ResNet的输入,保留了数据在时间维度的相关性。ResNet在卷积神经网络中引入残差模块来解决过拟合的问题,加入压缩和激励(SE)注意力机制改进残差模块后进行图像压缩、特征重用,增强了重要特征信息,使ResNet能更深入挖掘图像信息,充分捕获局部特征,结合Swish函数和Ranger优化器优化ResNet,大幅降低模型训练难度。实验结果表明,该方法对光伏逆变器开路故障诊断准确率达99.41%,与其他模型相比,具有更好的特征提取效果和诊断速度。 展开更多
关键词 光伏逆变器 故障诊断 特征提取 格拉姆角场 残差网络
在线阅读 下载PDF
基于SO-PAA-GAF和AdaBoost集成学习的高压断路器故障诊断 被引量：23
7
作者 司江宽 吐松江·卡日 +2 位作者 范想 高文胜 朱炜 《电力系统保护与控制》 EI CSCD 北大核心 2024年第3期152-160,共9页
针对在小样本和复杂工况下高压断路器故障诊断识别精度不高的问题,提出一种基于振动信号处理和Ada Boost集成学习的高压断路器故障诊断方法。首先,搭建高压断路器实验平台并采集8种工况下的分闸振动信号。其次,对振动信号进行绝对值处理... 针对在小样本和复杂工况下高压断路器故障诊断识别精度不高的问题,提出一种基于振动信号处理和Ada Boost集成学习的高压断路器故障诊断方法。首先,搭建高压断路器实验平台并采集8种工况下的分闸振动信号。其次,对振动信号进行绝对值处理后,使用分段聚合近似(piecewise aggregate approximation,PAA)进行分段平均,将输出的新序列采用格拉姆角场(Gramian angular field,GAF)转换成图片,并使用Relief F方法对提取的高维图片特征进行重要度排序。最后,将保留的重要特征输入到Ada Boost集成学习模型进行故障诊断,并用蛇优化算法确定最优PAA分段步长和输入分类器特征数量,以进一步提高故障诊断精度。通过分析多种信号处理方式及分类模型可知,图片信号和Ada Boost集成学习模型能够有效处理振动信号并准确判断故障类型,为准确、可靠地诊断高压断路器故障提供了新途径。 展开更多
关键词 高压断路器 振动信号处理 分段聚合近似 格拉姆角场 故障诊断
在线阅读 下载PDF
基于GAF和混合模型的运动想象分类研究 被引量：1
8
作者 吕仁杰 常文文 +3 位作者 闫光辉 聂文超 郑磊 郭斌 《电子科技大学学报》 EI CAS CSCD 北大核心 2024年第6期952-960,共9页
针对运动想象脑−机接口的分类识别问题,提出了一种结合格拉姆角场理论、卷积神经网络(Convolutional Neural Networks,CNN)和长短期记忆网络(Long Short-Term Memory,LSTM)的新模型。首先,分别使用格拉姆角场中的格拉姆角和场与格拉姆... 针对运动想象脑−机接口的分类识别问题,提出了一种结合格拉姆角场理论、卷积神经网络(Convolutional Neural Networks,CNN)和长短期记忆网络(Long Short-Term Memory,LSTM)的新模型。首先,分别使用格拉姆角场中的格拉姆角和场与格拉姆角差场算法将一维运动想象脑电信号表示为二维图像;然后,设计针对性的浅层CNN和LSTM相结合的模型来识别该图像特征,从而完成运动想象分类。在BCI Competition IV 2a公开数据集上就运动想象任务进行了四分类验证。实验结果表明,在单被试和多被试的情况下,GASF-CNN-LSTM模型和GADF-CNN-LSTM模型相比其他模型性能提升显著,准确率均达87.66%以上,最高准确率可达99.09%。且针对运动功能障碍患者数据也能表现出良好的性能。对运动想象脑电信号的时间依赖性和对应特征的图像生成表征方法进行了探讨,为运动想象脑电信号特征挖掘提供了新思路。 展开更多
关键词 脑−机接口 运动想象 格拉姆角和场 格拉姆角差场 卷积神经网络
在线阅读 下载PDF
结合GAF与CNN的操动机构弹簧储能状态智能辨识
9
作者 施贻铸 满天雪 +3 位作者 周余庆 任燕 沈志煌 孙维方 《重庆大学学报》 CAS CSCD 北大核心 2024年第9期30-38,共9页
操动机构弹簧储能状态的鲁棒辨识对断路器服役性能有重要影响,如何建立起采样信号与弹簧储能状态之间的映射关系是制约其广泛应用的关键。针对这一问题,结合格拉姆角场(Gramian angular field,GAF)与卷积神经网络(convolutional neural ... 操动机构弹簧储能状态的鲁棒辨识对断路器服役性能有重要影响,如何建立起采样信号与弹簧储能状态之间的映射关系是制约其广泛应用的关键。针对这一问题,结合格拉姆角场(Gramian angular field,GAF)与卷积神经网络(convolutional neural network,CNN),提出了一种弹簧储能状态智能辨识方法,并成功应用于断路器操动机构。采用格拉姆角场将采集到的时域信号进行二维化处理,并利用其进行操动机构动态特性演化过程的追踪。断路器操动机构状态辨识实验验证了所提出的智能诊断方法有效性(识别成功率接近100.00%),为断路器在役状态的鲁棒识别提供一种可能。 展开更多
关键词 断路器 卷积神经网络 弹簧储能状态 格拉姆角场
在线阅读 下载PDF
基于GAF-CNN的n/γ甄别方法研究 被引量：2
10
作者 黄坤翔 张江梅 +1 位作者 王嘉麒 苏覃 《原子能科学技术》 EI CAS CSCD 北大核心 2024年第2期461-470,共10页
中子探测是核能开发领域的重要技术,由于中子闪烁体探测器往往会对中子和γ射线同时响应,因此有效分辨中子和γ射线是实现高精度中子探测的先决条件。为进一步提升n/γ甄别性能,本文结合脉冲形状甄别(PSD)技术和格拉姆角场(GAF)图像转... 中子探测是核能开发领域的重要技术,由于中子闪烁体探测器往往会对中子和γ射线同时响应,因此有效分辨中子和γ射线是实现高精度中子探测的先决条件。为进一步提升n/γ甄别性能,本文结合脉冲形状甄别(PSD)技术和格拉姆角场(GAF)图像转换方法,将卷积神经网络(CNN)分类模型应用到n/γ甄别中。通过GAF将n/γ脉冲数据转化为二维图像,之后将其输入到CNN分类模型中达到样本辨别的目的。为验证GAF-CNN甄别的准确性,与传统CNN甄别法和电荷比较法进行了甄别效果对比。结果表明,GAF-CNN甄别法具有更低的辨别误差率和较短的处理时间,且n/γ甄别品质因子(FOM)有着数量级上的提升。同时其具备网络轻量化的特点,有助于实现CNN PSD算法的嵌入式部署,为研制高性能n/γ复合探测能谱仪提供了一种可行的PSD技术解决方案。 展开更多
关键词 n/γ甄别 脉冲形状甄别 格拉姆角场 卷积神经网络 电荷比较法
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 被引量：2
11
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
基于多模态融合的抗噪声故障诊断方法
12
作者 宋庆军 孙世荣 +3 位作者 宋庆辉 陆丽娜 陈俊龙 姜海燕 《机电工程》 北大核心 2025年第11期2129-2140,共12页
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... 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。 展开更多
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
在线阅读 下载PDF
基于数据图像化的装配式建筑施工安全评价研究
13
作者 宋晓刚 赵东东 严晓东 《安全与环境学报》 北大核心 2025年第10期3715-3724,共10页
为降低装配式建筑在施工过程中的安全风险,提高施工安全管理水平,研究提出了一种基于数据图像化的深度学习安全评价方法。首先,从文献研究、事故案例两个方面对装配式建筑施工安全评价指标进行全面识别,并利用调查问卷法对其进行筛选,... 为降低装配式建筑在施工过程中的安全风险,提高施工安全管理水平,研究提出了一种基于数据图像化的深度学习安全评价方法。首先,从文献研究、事故案例两个方面对装配式建筑施工安全评价指标进行全面识别,并利用调查问卷法对其进行筛选,构建装配式建筑施工安全评价指标体系。其次,利用格拉姆角场(Gramian Angular Fields,GAF)将一维的安全评价数据转换成二维图像数据,增强离散序列特征的表征能力,进而构建卷积神经网络(Convolutional Neural Networks,CNN)对二维图像进行识别分类,实现对装配式建筑施工的安全等级的判别。最后,构建几种常见的机器学习评价方法并进行了对比。结果显示,评价方法准确率最高,显著优于传统的机器学习方法,可有效实现装配式建筑施工的安全评价。 展开更多
关键词 安全工程 装配式建筑 施工安全评价 格拉姆角场 卷积神经网络
在线阅读 下载PDF
基于GASF与MSCAM-DenseNet的小样本齿轮故障诊断方法
14
作者 史丽晨 张鹏 +1 位作者 王海涛 周星宇 《计算机集成制造系统》 北大核心 2025年第8期3033-3045,共13页
针对小样本条件下所得样本不足,特征未能有效提取导致诊断精度下降的问题,提出一种GASF与MSCAM-DenseNet相结合的小样本齿轮故障诊断方法。首先,运用格拉姆角和域(GASF)将多源振动信号变换为二维特征,采用二维离散小波变换(2D-DWT)重构... 针对小样本条件下所得样本不足,特征未能有效提取导致诊断精度下降的问题,提出一种GASF与MSCAM-DenseNet相结合的小样本齿轮故障诊断方法。首先,运用格拉姆角和域(GASF)将多源振动信号变换为二维特征,采用二维离散小波变换(2D-DWT)重构多源特征。其次,由于一般的密集连接卷积网络(DenseNet)不具备识别多尺度特征的能力,因而在DenseNet中引入多尺度通道注意力机制(MSCAM),提出一种改进网络模型,即MSCAM-DenseNet。最后,以重构后的GASF作为MSCAM-DenseNet的输入,待特征识别完成后,由网络分类器完成故障特征分类。采用实验室行星齿轮数据集和东南大学齿轮箱数据集对所提模型验证,并与其他诊断模型进行对比。实验结果证明,所提方法在小样本、变工况条件下具有较高的故障识别准确率,较强的泛化能力和抗噪能力。 展开更多
关键词 齿轮 小样本故障诊断 格拉姆角和域 二维离散小波变换 多尺度通道注意力机制
在线阅读 下载PDF
基于彩色图像特征提取及融合的非侵入式负荷识别
15
作者 魏广芬 李谊林 +3 位作者 KUZENGURIRA T.Tapiwa 赵航 胡春华 张玉猛 《电网技术》 北大核心 2025年第11期4854-4864,I0144-I0147,共15页
非侵入式负荷监测(non-intrusive load monitoring,NILM)技术可以有效监测和分析电器负荷设备的能耗及运行状态,其成本低、实用性强,具有广泛的应用前景。为有效提升基于图像特征的非侵入式负荷识别方法的识别效果,该文提出了一种新颖的... 非侵入式负荷监测(non-intrusive load monitoring,NILM)技术可以有效监测和分析电器负荷设备的能耗及运行状态,其成本低、实用性强,具有广泛的应用前景。为有效提升基于图像特征的非侵入式负荷识别方法的识别效果,该文提出了一种新颖的3种NILM灰度图像特征提取及融合方法,分别通过加权递归图、格拉姆角场和马尔可夫转移场提取稳态电流周期性和相似性等重复模式特征、时间依赖性和相关性等静态特征及全局趋势和局部趋势等动态特征,得到3个NILM灰度图像矩阵,将其对应构建为彩色图像的红绿蓝3个颜色通道,从而融合为含有丰富负荷特征的彩色特征图像。进一步针对彩色特征图像处理复杂度提升的问题,提出了一种参数量更少、迭代速度更快同时保持高准确率的卷积神经网络负荷识别模型,有效降低了彩色图像分析模型的复杂度。与当前NILM领域的典型新型算法对比,该文所提负荷识别方法在多个高频数据集的识别精度均取得最优。 展开更多
关键词 非侵入式负荷监测 负荷识别 加权递归图 马尔可夫变迁场 格拉姆角场 图像特征
在线阅读 下载PDF
基于格拉姆角场和PCNN-BiGRU模型的故障诊断方法及其应用 被引量：3
16
作者 盛世龙 王淑青 +2 位作者 王云鹤 翟宇胜 刘冬 《中国农村水利水电》 北大核心 2025年第2期121-128,共8页
研究提出了一种基于信号处理和深度学习技术的水电机组故障诊断方法。首先,利用VMD对水电机组的原始信号进行分解和重构,以实现信号的降噪,并得到本征模态函数(IMF);随后,通过格拉姆角场(GAF)变换,将IMF转换为GASF和GADF图像。然后将所... 研究提出了一种基于信号处理和深度学习技术的水电机组故障诊断方法。首先,利用VMD对水电机组的原始信号进行分解和重构,以实现信号的降噪,并得到本征模态函数(IMF);随后,通过格拉姆角场(GAF)变换,将IMF转换为GASF和GADF图像。然后将所有图像数据输入到双通道并行二维卷积神经网络与双向门控循环单元(PCNNBiGRU)模型中进行训练。该模型通过CNN提取特征图,并将其输入到BiGRU中,以保持对时间特征的敏感度并剔除冗余信息;最后,为验证该方法的有效性,结合实际电站机组样本数据进行比较试验,对所提方法提供高效、准确的水电机组故障诊断解决方案进行了验证。 展开更多
关键词 水电机组 VMD 格拉姆角场 故障诊断 并行CNN BiGRU
在线阅读 下载PDF
基于改进V-I轨迹的非侵入式负荷辨识方法
17
作者 李剑文 梅飞 +2 位作者 张晓光 封通通 李欣 《电力工程技术》 北大核心 2025年第5期128-137,共10页
针对目前非侵入式负荷辨识方法对负荷特征信息挖掘不足和辨识模型规模庞大的问题,文中提出一种基于改进V-I轨迹的非侵入式负荷辨识方法。首先利用格拉姆角场(Gramian angular field,GAF)和颜色编码技术,将有功电流、瞬时功率、V-If轨迹... 针对目前非侵入式负荷辨识方法对负荷特征信息挖掘不足和辨识模型规模庞大的问题,文中提出一种基于改进V-I轨迹的非侵入式负荷辨识方法。首先利用格拉姆角场(Gramian angular field,GAF)和颜色编码技术,将有功电流、瞬时功率、V-If轨迹进行融合形成新的负荷特征,然后通过深度可分离卷积(depthwise separable convolution,DSC)模块和混合空洞卷积(hybrid dilated convolution,HDC)模块优化卷积神经网络(convolutional neural network,CNN)模型框架,构建轻量化负荷辨识模型,最后利用公开数据集进行实验分析。结果表明,文中所提方法的F1分数为0.953,可实现在减少软硬件资源占用的基础上进一步提升对用电负荷的辨识精度。 展开更多
关键词 非侵入式负荷监测 颜色编码 多特征融合 V-If轨迹 轻量化模型 格拉姆角场(gaf)
在线阅读 下载PDF
基于GAF-CapsNet的电机轴承故障诊断方法 被引量：21
18
作者 张辉 戈宝军 +1 位作者 韩斌 赵丽娜 《电工技术学报》 EI CSCD 北大核心 2023年第10期2675-2685,共11页
针对一维机械振动信号在输入卷积神经网络时无法充分提取相对位置关系的问题,提出一种基于格拉姆角场(GAF)和小尺寸卷积的胶囊网络的轴承故障诊断分类方法。利用GAF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... 针对一维机械振动信号在输入卷积神经网络时无法充分提取相对位置关系的问题,提出一种基于格拉姆角场(GAF)和小尺寸卷积的胶囊网络的轴承故障诊断分类方法。利用GAF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产生相应特征图。胶囊网络对小尺寸图像相对位置比较敏感,特征提取具有优势,同时考虑到VGG网络优秀的特征提取能力,在结合胶囊网络和VGG网络的基础上,加入深度小尺寸卷积层。将GAF编码的振动图像输入到改进的CapsNet网络进行训练,组成GAF-CapsNet模型对轴承故障进行诊断。该模型在凯斯西储大学轴承数据集上进行试验,结果表明,格拉姆角和场(GADF)编码方式相比格拉姆角差场(GASF)编码效果差,效果较好的GADF-CapsNet有99.27%准确率,较差的GASF-CapsNet也有98.83%准确率,相较其他编码方式和卷积神经网络,该模型性能表现普遍比其他模型具有更高准确率。 展开更多
关键词 轴承 故障诊断 格拉姆角场 胶囊网络
在线阅读 下载PDF
基于GAF-CNN的电力系统暂态稳定评估 被引量：13
19
作者 李欣 付豫韬 +4 位作者 李新宇 陈德秋 鲁玲 郭攀锋 柳圣池 《智慧电力》 北大核心 2023年第11期45-52,共8页
为保障电力系统安全稳定运行,针对电力系统暂态稳定评估(TSA)问题,提出了一种基于数据图像化的深度学习方法。首先,通过格拉姆角场(GAF)将原始的电力系统数据转为易于区分稳定与失稳的二维图像。其次,利用得到的二维图像数据集训练卷积... 为保障电力系统安全稳定运行,针对电力系统暂态稳定评估(TSA)问题,提出了一种基于数据图像化的深度学习方法。首先,通过格拉姆角场(GAF)将原始的电力系统数据转为易于区分稳定与失稳的二维图像。其次,利用得到的二维图像数据集训练卷积神经网络(CNN)模型并进行在线应用。最后,通过在CEPRI 36节点系统和含风机的IEEE39节点系统、IEEE300节点系统中对所提TSA方法进行验证,结果表明了所提方法的有效性。 展开更多
关键词 暂态稳定评估 深度学习 格拉姆角场 卷积神经网络
在线阅读 下载PDF
基于格拉姆角场的子域适应变工况轴承故障诊断
20
作者 刘志伟 雷斌 +2 位作者 魏鹏飞 及文磊 李德仓 《组合机床与自动化加工技术》 北大核心 2025年第6期182-187,共6页
滚动轴承工作环境复杂多变且样本数据不平衡,导致模型泛化能力差和诊断精度低。为提高模型泛化能力以及准确性,结合格拉姆角场(GAF)编码技术捕获信号的周期变化,从子域角度出发,考虑对齐子域损失,提出了一种基于格拉姆角场的深度子域适... 滚动轴承工作环境复杂多变且样本数据不平衡,导致模型泛化能力差和诊断精度低。为提高模型泛化能力以及准确性,结合格拉姆角场(GAF)编码技术捕获信号的周期变化,从子域角度出发,考虑对齐子域损失,提出了一种基于格拉姆角场的深度子域适应网络(GSAM)跨域故障诊断模型。首先,将振动信号通过格拉姆角场技术进行预处理,生成特征图;再次,使用神经网络提取特征,利用局部最大均值差异(LMMD)进行特征映射,捕获不同域的同一类别内的两个子域之间的关系;最后,采用凯斯西储大学(CWRU)数据集和东南大学齿轮箱测得的轴承故障数据进行实验,进行跨域故障诊断。结果表明所提出模型的跨域故障诊断精度高于其他域适应对比模型。 展开更多
关键词 轴承 故障诊断 迁移学习 格拉姆角场 领域自适应
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 … 4 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