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
1
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
强噪声下基于ACYCBD-MTF-MobileViT的轴承故障诊断研究
被引量：
2
1
作者
刘杰
谭玉涛
杨娜
《振动与冲击》
EI
CSCD
北大核心
2024年第24期34-47,共14页
针对小样本强噪声环境下,传`统深度学习模型抗噪性差,模型训练不充分等问题,提出一种基于自适应最大二阶循环平稳盲解卷积(adaptive maximum second-order cyclostationarity blind deconvolution, ACYCBD)结合马尔可夫变迁场(Markov tr...
针对小样本强噪声环境下,传`统深度学习模型抗噪性差,模型训练不充分等问题,提出一种基于自适应最大二阶循环平稳盲解卷积(adaptive maximum second-order cyclostationarity blind deconvolution, ACYCBD)结合马尔可夫变迁场(Markov transition field, MTF)与MobileViT的滚动轴承故障诊断方法。首先,通过参数自适应的CYCBD算法增强强噪声背景下轴承故障的冲击信号,降低强背景噪声的影响,然后,采用MTF将预处理后的一维轴承振动信号转变为具有时间关联性的二维特征图像;最后,将MTF图像输入MobileViT网络中进行训练,得到故障诊断结果,运用东南大学齿轮箱数据集和沈阳工业大学实验室滚动轴承数据集验证所提方法在小样本强噪声条件下的故障识别准确率。结果表明:在小样本强噪声条件下,ACYCBD处理后的数据,训练的模型具有更高的准确率,相较于其他数据预处理方法最大相关峭度解卷积、变分模态分解、集合经验模态分解准确率分别提高了1.73、1.99、2.20个百分点,利用MTF进行模态转换后相较于格拉姆角场、连续小波变换、RP准确率分别高出了2.59、3.12、2.72个百分点;与其他深度学习模型进行对比,所提方法在上述条件下有着更高的抗干扰能力和泛化性能。
展开更多
关键词
滚动轴承
最大二阶循环平稳盲解卷积(ACYCBD)
马尔可夫变迁场(MTF)
多头自注意力机制
在线阅读
下载PDF
职称材料
题名
强噪声下基于ACYCBD-MTF-MobileViT的轴承故障诊断研究
被引量：
2
1
作者
刘杰
谭玉涛
杨娜
机构
沈阳工业大学机械工程学院
出处
《振动与冲击》
EI
CSCD
北大核心
2024年第24期34-47,共14页
基金
辽宁省教育厅(LQGD2020016)。
文摘
针对小样本强噪声环境下,传`统深度学习模型抗噪性差,模型训练不充分等问题,提出一种基于自适应最大二阶循环平稳盲解卷积(adaptive maximum second-order cyclostationarity blind deconvolution, ACYCBD)结合马尔可夫变迁场(Markov transition field, MTF)与MobileViT的滚动轴承故障诊断方法。首先,通过参数自适应的CYCBD算法增强强噪声背景下轴承故障的冲击信号,降低强背景噪声的影响,然后,采用MTF将预处理后的一维轴承振动信号转变为具有时间关联性的二维特征图像;最后,将MTF图像输入MobileViT网络中进行训练,得到故障诊断结果,运用东南大学齿轮箱数据集和沈阳工业大学实验室滚动轴承数据集验证所提方法在小样本强噪声条件下的故障识别准确率。结果表明:在小样本强噪声条件下,ACYCBD处理后的数据,训练的模型具有更高的准确率,相较于其他数据预处理方法最大相关峭度解卷积、变分模态分解、集合经验模态分解准确率分别提高了1.73、1.99、2.20个百分点,利用MTF进行模态转换后相较于格拉姆角场、连续小波变换、RP准确率分别高出了2.59、3.12、2.72个百分点;与其他深度学习模型进行对比,所提方法在上述条件下有着更高的抗干扰能力和泛化性能。
关键词
滚动轴承
最大二阶循环平稳盲解卷积(ACYCBD)
马尔可夫变迁场(MTF)
多头自注意力机制
Keywords
rolling bearings
maximum second-order blind inverse convolution
Markov transformation field
multihead self-attention mechanism
分类号
TH133.33 [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
作者
出处
发文年
被引量
操作
1
强噪声下基于ACYCBD-MTF-MobileViT的轴承故障诊断研究
刘杰
谭玉涛
杨娜
《振动与冲击》
EI
CSCD
北大核心
2024
2
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
