综合能源系统智慧运维技术综述及展望 被引量：2

1

作者 姜飞 刘利波 +2 位作者 裴翔羽 杨鑫 姚鹏 《电气工程学报》 北大核心 2025年第1期170-187,共18页

随着我国能源结构转型持续演进,能源革命持续深化,综合能源服务成为实现能效提升和绿色发展的有效途径,而智慧运维服务则是落实综合能源服务理念,达到安全、智慧、高效用能的重要实现手段。分析综合能源系统智慧运维(Intelligent operat... 随着我国能源结构转型持续演进,能源革命持续深化,综合能源服务成为实现能效提升和绿色发展的有效途径,而智慧运维服务则是落实综合能源服务理念,达到安全、智慧、高效用能的重要实现手段。分析综合能源系统智慧运维(Intelligent operation and maintenance of integrated energy system,IES-IOM)的特点,从人工运维、自动化运维和智慧运维三个阶段阐述了其发展历程;基于IES-IOM的数据情况,提出智慧运维关键核心技术;构建IES-IOM服务业务体系,包括运维知识库建立、设备状态评估、设备状态预测、设备故障诊断和运维策略推荐;围绕商业楼宇、工业园区两大典型综合能源系统应用场景,分析智慧运维服务业务的应用效果。最后,提出IES-IOM面临的挑战,并展望未来发展方向,以期对深入理解和推动IES-IOM的发展提供理论支撑。 展开更多

关键词 综合能源系统 智慧运维 设备状态 故障诊断 运维策略

在线阅读 下载PDF 职称材料

故障冲击增强与双通道融合的自适应轴承故障诊断

2

作者 刘斌 曹丽君 +3 位作者 武欣雅 段云凤 杨栋辉 谢秀梅 《振动与冲击》 北大核心 2025年第17期313-324,342,共13页

针对传统轴承故障诊断方法中存在的依赖专家经验、特征提取困难、准确率不高等问题,提出一种结合故障冲击增强与双通道融合的自适应神经网络诊断方法。首先,将振动信号通过最大相关峭度解卷积转换为故障冲击增强的信号。其次,将网格搜... 针对传统轴承故障诊断方法中存在的依赖专家经验、特征提取困难、准确率不高等问题,提出一种结合故障冲击增强与双通道融合的自适应神经网络诊断方法。首先,将振动信号通过最大相关峭度解卷积转换为故障冲击增强的信号。其次,将网格搜索算法引入卷积神经网络(convolutional neural network,CNN)-Transformer-双向长短期记忆网络(bidirectional long short-term memory network,BiLSTM)中,双通道CNN-Transformer用来提取信号的局部和全局特征信息,BiLSTM则用来提取双通道特征融合的时序信息,从而自适应识别轴承的故障状态。最后,通过全连接层输出故障分类诊断结果。试验表明,本方法自适应识别多工况轴承故障,展现了较强的鲁棒性与泛化能力。 展开更多

关键词 多工况故障诊断 故障冲击增强 自适应特征提取 网格搜索算法 最大相关峭度解卷积

在线阅读 下载PDF 职称材料

基于加权子域自适应对抗网络的齿轮箱变工况故障诊断

3

作者 张慧云 左芳君 +1 位作者 余熹 杨婷 《机械强度》 北大核心 2025年第3期96-103,共8页

实际工程中齿轮箱受复杂多变的运行环境影响,导致单一振动信号难以准确有效地表征齿轮箱在不同工况下的故障信息。为此,提出了一种基于加权子域自适应对抗网络的齿轮箱变工况故障诊断方法。首先,采用多源异构信号融合策略,将振动信号时... 实际工程中齿轮箱受复杂多变的运行环境影响,导致单一振动信号难以准确有效地表征齿轮箱在不同工况下的故障信息。为此,提出了一种基于加权子域自适应对抗网络的齿轮箱变工况故障诊断方法。首先,采用多源异构信号融合策略,将振动信号时频图、电流信号格拉姆矩阵和红外热力图转换为多通道数据集,从不同视角描述齿轮箱运行状态;其次,构建嵌入高效通道注意力机制(Efficient Channel Attention,ECA)的自校正卷积神经网络(Self-calibrated Convolutions Network,SCNet)作为特征提取器,动态调整多源异构信号间相互作用和依赖关系,平衡源域和目标域的多源异构数据间尺度差异;再次,在特征提取器和域判别器进行对抗训练的同时,引入最大均值差异(Maximum Mean Discrepancy,MMD)和线性判别分析(Linear Discriminant Analysis,LDA)衡量当前跨域任务特征表示的域对齐程度及诊断任务决策边界,并构造动态平衡因子实时调整域对齐损失和类分辨性损失,有效地对齐源域和目标域每个类空间。最后,通过采集的齿轮箱变工况故障数据集进行验证。结果表明,所提方法在不同工况的诊断精度均达到95%以上,证明了所提方法的可行性和有效性。 展开更多

关键词 齿轮箱 不同工况 故障诊断 数据融合 域自适应

在线阅读 下载PDF 职称材料

基于小波包分解重构的变工况行星齿轮箱故障诊断

4

作者 史丽晨 周星宇 杨超 《制造技术与机床》 北大核心 2025年第7期50-57,共8页

针对在变工况环境下齿轮箱故障振动数据复杂程度高和故障特征难以提取的问题,提出一种基于小波包分解的三通道数据融合和多尺度残差网络的变工况齿轮箱故障诊断方法。该方法利用小波包分解重构将齿轮箱三通道振动信号进行融合,并利用格... 针对在变工况环境下齿轮箱故障振动数据复杂程度高和故障特征难以提取的问题,提出一种基于小波包分解的三通道数据融合和多尺度残差网络的变工况齿轮箱故障诊断方法。该方法利用小波包分解重构将齿轮箱三通道振动信号进行融合,并利用格拉姆角和图像编码方法转化为二维图像;使用多尺度卷积结构与残差结构相结合的网络结构对变工况齿轮箱故障进行诊断;引入高效通道注意力机制,增强不同尺度卷积下提取到不同特征的敏感性,从而提高模型的表征能力和分类性能。实验结果表明,所提方法在定转速、变负载故障数据下诊断准确率可达到99.59%,定负载、变转速故障数据下诊断准确率可达到98.58%,证明该方法可以有效地弱化运行中变转速和变负载对故障特征的影响。 展开更多

关键词 小波包分解 多尺度卷积 变工况 故障诊断 齿轮箱

在线阅读 下载PDF 职称材料

基于FDVI和CDDPM的小样本岸桥齿轮箱多类故障诊断 被引量：2

5

作者 袁九海 张氢 +2 位作者 张建群 冯文宗 孙远韬 《振动与冲击》 北大核心 2025年第6期306-317,共12页

岸桥齿轮箱零部件数量多、故障类型丰富,且故障数据难以获取,其诊断面临小样本、多分类的问题。针对上述问题,提出了一种基于频域振动图(frequency domain vibration image,FDVI)和条件去噪扩散概率模型(conditional denoising diffusio... 岸桥齿轮箱零部件数量多、故障类型丰富,且故障数据难以获取,其诊断面临小样本、多分类的问题。针对上述问题,提出了一种基于频域振动图(frequency domain vibration image,FDVI)和条件去噪扩散概率模型(conditional denoising diffusion probabilistic model,CDDPM)的故障诊断方法。首先,将获取的振动信号转为FDVI图像,充分表征各故障的振动信号的特征信息;然后,使用CDDPM对小样本数据进行扩充,将标签信息输入到模型以控制生成故障样本类别,同时采用跳层采样加快样本生成速度;最后,将扩充后的样本集输入卷积神经网络分类器中进行训练,提升分类器对小样本多类故障诊断的效果。在对CWRU数据集的17种故障类型和岸桥缩尺试验台数据集的29种故障类型的小样本诊断试验表明:样本扩充后CWRU数据集故障识别率由89.86%提高到99.30%;岸桥数据集故障识别率由68.63%提高到95.75%。上述分析表明所提方法能完成小样本条件下岸桥齿轮箱多类故障诊断任务。 展开更多

关键词 频域振动图 条件去噪扩散概率模型 小样本 岸桥齿轮箱 故障诊断

在线阅读 下载PDF 职称材料

基于CNN-SN和无监督域适应的滚动轴承故障诊断 被引量：2

6

作者 陈攀 袁逸萍 +2 位作者 马军岩 樊盼盼 田芳 《轴承》 北大核心 2025年第2期93-101,共9页

针对滚动轴承在不同工况下振动数据分布差异大且难以获取所有故障标记样本,致使故障诊断模型泛化能力差的问题,提出了一种基于卷积神经网络-收缩网络(CNN-SN)和无监督域适应的变工况故障诊断方法。首先,构建领域共享的一维卷积神经网络... 针对滚动轴承在不同工况下振动数据分布差异大且难以获取所有故障标记样本,致使故障诊断模型泛化能力差的问题,提出了一种基于卷积神经网络-收缩网络(CNN-SN)和无监督域适应的变工况故障诊断方法。首先,构建领域共享的一维卷积神经网络以提取振动信号中的故障特征,同时引入软阈值学习机制构建局部特征收缩网络,缓解噪声对故障特征提取的影响;然后,对不同工况样本提取的故障特征引入最大均值差异的正则化约束,实现源域与目标域特征的全局对齐;最后,对无标签的目标工况样本,采用最大最小化分类器差异的对抗学习策略实现不同域特征更细粒度的子领域对齐。采用江南大学轴承数据集对所提方法进行试验验证,结果表明所提方法表现出良好的领域适配能力,具有较高的跨域故障诊断精度。 展开更多

关键词 滚动轴承 故障诊断 变工况 迁移学习 无监督域适应

在线阅读 下载PDF 职称材料

基于多尺度CNN与双阶段注意力机制的轴承工况域泛化故障诊断 被引量：5

7

作者 乔卉卉 赵二贤 +3 位作者 郝如江 刘婕 刘帅 王勇超 《振动与冲击》 北大核心 2025年第2期267-278,共12页

变工况条件下,基于深度学习的列车轮对轴承故障诊断模型的训练集与测试集通常来自不同的工况,不同工况振动信号数据分布差异引起的领域漂移问题导致模型准确率降低。基于域适应的变工况轴承故障诊断方法需要获取目标工况域的样本数据参... 变工况条件下,基于深度学习的列车轮对轴承故障诊断模型的训练集与测试集通常来自不同的工况,不同工况振动信号数据分布差异引起的领域漂移问题导致模型准确率降低。基于域适应的变工况轴承故障诊断方法需要获取目标工况域的样本数据参与训练,这在工程实际中难以实现,因此无法实现未知工况的轴承故障诊断。针对以上问题,提出了一种基于多尺度卷积神经网络与双阶段注意力机制网络(two-stage attention multiscale convolutional network model, TSAMCNN)模型的轴承工况域泛化故障诊断方法,其中多尺度特征提取模块从多个尺度上提取时域振动信号中更丰富的故障信息;然后,双阶段注意力模块从通道和空间两个维度自适应地增强故障敏感特征并抑制工况敏感特征和无用特征;最终,提取工况域不变故障特征,从而实现工况域泛化轴承故障诊断。通过变转速和变负载列车轮对轴承故障诊断试验,证明了TSAMCNN模型可提高变工况条件下轴承故障诊断的准确率、抗噪性能和工况域泛化能力。此外,对双阶段注意力机制的权重向量和模型各模块提取的特征进行可视化分析,提高了模型可解释性。 展开更多

关键词 列车轮对轴承 工况域泛化故障诊断 卷积神经网络(CNN) 多尺度特征提取 注意力机制

在线阅读 下载PDF 职称材料

基于联邦域泛化的未知工况下滚动轴承故障诊断框架

8

作者 康津 马萍 +2 位作者 张宏立 王聪 李新凯 《振动与冲击》 北大核心 2025年第21期316-326,共11页

在实际应用中,受潜在利益冲突与数据保密协议的限制,基于领域泛化的故障诊断模型在确保数据隐私的前提下实现高效泛化仍面临诸多挑战。联邦学习作为一种保护数据隐私的分布式协同训练机制,为智能诊断提供了新思路。然而,因设备运行工况... 在实际应用中,受潜在利益冲突与数据保密协议的限制,基于领域泛化的故障诊断模型在确保数据隐私的前提下实现高效泛化仍面临诸多挑战。联邦学习作为一种保护数据隐私的分布式协同训练机制,为智能诊断提供了新思路。然而,因设备运行工况复杂多变,采集到的数据往往局限于部分工况,当将联邦训练得到的全局模型部署至未参与训练的新客户端时,其性能显著下降。为解决上述问题,提出了一种融合元学习与知识蒸馏的联邦域泛化框架。该框架在本地模型的构建中引入混合风格层和实例-批量归一化网络模块,增强模型领域不变性的同时加快网络收敛。在本地训练前,通过元学习快速适应新任务,并通过更新模型实现不同客户端间的泛化。此外,利用全局模型与本地模型之间的知识蒸馏技术,提升模型压缩效果的同时,进一步增强模型的适应能力。模型通过联邦学习在多个源域客户端上协同训练,并在不可见的目标域中进行部署测试。试验结果表明,所提方法在保护数据隐私的同时,显著提升了故障诊断模型在未知工况下的适应性与准确性。 展开更多

关键词 故障诊断 未知工况 联邦域泛化 元学习 知识蒸馏

在线阅读 下载PDF 职称材料

一种基于一维卷积自编码器的条件分布域适应方法

9

作者 刘士亚 梁文生 +2 位作者 何俊 陈志文 戴磊 《振动与冲击》 北大核心 2025年第5期323-330,共8页

针对基于域间分布差异度量的域适应方法忽视两个域中类与类之间条件分布差异对域间分布差异度量的影响,而导致知识迁移精度低的问题。首先,以跨旋转机械的滚动轴承为研究对象,提出一种基于一维卷积自编码器的条件分布域适应的故障诊断... 针对基于域间分布差异度量的域适应方法忽视两个域中类与类之间条件分布差异对域间分布差异度量的影响,而导致知识迁移精度低的问题。首先,以跨旋转机械的滚动轴承为研究对象,提出一种基于一维卷积自编码器的条件分布域适应的故障诊断方法。该方法通过构建一种基于阈值局部子域相关性对齐的域间差异度量准则,并将该准则嵌入自编码器的输出层,以有效引导模型进行特征提取;然后,利用伪标签将源域和目标域划分成多个子域进行域内细粒度对齐,并通过可靠性阈值对伪标签进行筛选,以提高域中类与类之间边界分布的可判别性;最后,采用三个轴承数据集进行跨机械的轴承故障迁移诊断试验,结果表明所提方法具有良好的性能。 展开更多

关键词 域适应 条件分布 自编码 故障诊断

在线阅读 下载PDF 职称材料

基于加权深度距离度量网络的跨域滚动轴承故障诊断

10

作者 曹景浩 文传博 《轴承》 北大核心 2025年第7期80-88,共9页

针对不同工况下轴承数据分布不一致导致模型诊断效果不佳的问题,无监督域适应通过学习源域数据的分类器识别目标域数据,从而在跨域诊断中获得效果,但目前大多数研究集中在类内对比,忽略了类间影响,因此提出基于加权深度距离度量网络(WDD... 针对不同工况下轴承数据分布不一致导致模型诊断效果不佳的问题,无监督域适应通过学习源域数据的分类器识别目标域数据,从而在跨域诊断中获得效果,但目前大多数研究集中在类内对比,忽略了类间影响,因此提出基于加权深度距离度量网络(WDDMN)的跨域滚动轴承故障诊断方法。考虑深度子域自适应网络(DSAN)中缺少的类间信息,建立L_(ir)MMD加权类间度量方法,在最小化类内差异的同时,最大化类间裕度,拉近相同基础类别的源域和目标域样本,同时将来自不同类别的样本推开,提高模型在目标域的泛化能力;使用二次过滤机制(DF)提高伪标签质量,从而提升模型的分类效果。采用凯斯西储大学轴承数据集和江南大学轴承数据集对所提方法进行验证,并与一些经典模型进行对比,结果表明WDDMN具有优秀的特征迁移能力。 展开更多

关键词 滚动轴承 故障诊断 迁移学习 无监督域适应 变工况

在线阅读 下载PDF 职称材料

基于拓扑感知和双视图分类器的旋转机械故障诊断方法

11

作者 陈子旭 余文念 +1 位作者 杜伟涛 林正宇 《振动与冲击》 北大核心 2025年第1期151-162,共12页

针对旋转机械不同工况下数据分布不同,以及故障数据稀缺使得样本类别不均衡,导致故障诊断模型性能退化这一问题,提出一种基于拓扑感知和双视图分类器的故障诊断方法。该方法以一个图卷积网络为诊断框架,提出的非参数化拓扑感知模块能自... 针对旋转机械不同工况下数据分布不同,以及故障数据稀缺使得样本类别不均衡,导致故障诊断模型性能退化这一问题,提出一种基于拓扑感知和双视图分类器的故障诊断方法。该方法以一个图卷积网络为诊断框架,提出的非参数化拓扑感知模块能自适应更新图数据拓扑结构,约束不同域数据获取近似的消息传递路径,通过图卷积网络有效提取域一致故障特征;利用二分类器和多分类器构建双视图分类器,并计算二元输出和多元输出的相似度对训练数据进行重加权,避免了类别不均衡下模型的有偏训练以及对少数类样本识别能力不强的现象。利用公开的西安交通大学齿轮故障数据集、MAFAULDA旋转机械故障数据集及自制的滑动轴承故障模拟数据进行试验。结果表明,提出的方法能有效提升类别不均衡下变工况故障诊断的性能。 展开更多

关键词 拓扑感知 双视图分类器 类别不均衡 变工况 故障诊断

在线阅读 下载PDF 职称材料

基于并行优化CBAM的轻量级故障诊断模型

12

作者 贾志洋 许兆 +2 位作者 冷艳梅 闻新 龚浩宇 《应用科学学报》 北大核心 2025年第1期94-109,共16页

在工程实践中,故障诊断模型的性能受到多种因素的影响,如强噪声干扰、小样本、模型参数规模较大等,对现有的数据驱动设备诊断智能模型的应用提出了挑战。本文提出一种基于并行优化卷积块注意力模块(convolutional block attention modul... 在工程实践中,故障诊断模型的性能受到多种因素的影响,如强噪声干扰、小样本、模型参数规模较大等,对现有的数据驱动设备诊断智能模型的应用提出了挑战。本文提出一种基于并行优化卷积块注意力模块(convolutional block attention module,CBAM)的轻量级模型PCSA-Net。首先,采用多尺度信号特征提取器(signal feature extractor,SFE)将输入的传感器信号转换为特征映射。然后,优化传统的CBAM,开发协同注意力块,设计一种可学习的层缩放策略,并行化感知数据特征,使用点卷积与平均池化层组合,构建PW-Pool降维模块,减少模型参数量,对特征图的通道特征向量进行积分,得到最终的诊断结果。最后,选取包含轴承常见故障的两个数据集对模型进行验证,实验结果显示,在小样本轴承故障诊断(bearing fault diagnosis,BFD)任务中,本文模型与现有主流的故障诊断框架相比在轻量性和鲁棒性等方面表现更加优异,可满足实际轴承故障检测需求。 展开更多

关键词 变工况故障诊断 卷积神经网络 注意力机制 深度学习

在线阅读 下载PDF 职称材料

基于信息融合子域适应的不同工况下谐波减速器故障诊断方法 被引量：8

13

作者 康守强 章炜东 +2 位作者 王玉静 刘连胜 孙宇林 《仪器仪表学报》 EI CAS CSCD 北大核心 2024年第3期60-71,共12页

针对工业机器人谐波减速器不同工况数据分布差异大,部分工况数据标签缺失以及单一传感器获取信息不全面,导致诊断准确率不高的问题,提出一种信息融合子域适应的不同工况下谐波减速器故障诊断方法。该方法将源域和目标域一维振动数据利... 针对工业机器人谐波减速器不同工况数据分布差异大,部分工况数据标签缺失以及单一传感器获取信息不全面,导致诊断准确率不高的问题,提出一种信息融合子域适应的不同工况下谐波减速器故障诊断方法。该方法将源域和目标域一维振动数据利用小波变换构建时频图;使用基于小波变换的图像融合方法整合多个传感器的时频信息并构建融合图像;提出多表示特征提取结构的改进残差网络以充分挖掘融合样本多表示特征,同时,在无监督场景下将源域和目标域融合样本的多表示特征进行子域适应处理,减小两域的各个子域间的分布差异,从而将知识从标签丰富的源域迁移到标签缺失的目标域,最终实现不同工况下谐波减速器的故障诊断。通过搭建工业机器人谐波减速器故障实验台并进行实测,所提方法在所有迁移任务中平均准确率可达98.8%,能够有效实现无监督场景中不同工况下谐波减速器的故障诊断。 展开更多

关键词 信息融合 不同工况 域适应 谐波减速器 故障诊断

在线阅读 下载PDF 职称材料

变工况下动态卷积域对抗图神经网络故障诊断 被引量：1

14

作者 王桐 王晨程 +2 位作者 邰宇 欧阳敏 陈立伟 《哈尔滨工程大学学报》 EI CAS CSCD 北大核心 2024年第7期1406-1414,共9页

针对基于无监督域自适应故障诊断方法忽略了域间数据结构信息、传统域对齐平均最大差异法全局泛化能力差等问题,本文提出一种基于无监督域自适应理论的动态卷积域对抗图神经网络故障诊断模型,分别通过对数据的类别标签、域标签和数据结... 针对基于无监督域自适应故障诊断方法忽略了域间数据结构信息、传统域对齐平均最大差异法全局泛化能力差等问题,本文提出一种基于无监督域自适应理论的动态卷积域对抗图神经网络故障诊断模型,分别通过对数据的类别标签、域标签和数据结构信息进行建模。通过分类器和域鉴别器分别建模类别标签和域标签,通过图神经网络将数据结构信息嵌入到实例图节点中,利用高斯Wasserstein距离来度量不同领域的实例图之间的差异。本文对比了不同工况下共14种迁移任务在各模型下故障识别的准确率。实验结果表明:基于动态卷积的域对抗图神经网络模型在变工况下的故障诊断效果均优于其他对比模型,且模型性能稳定。 展开更多

关键词 无监督域自适应 动态卷积 域对抗 图神经网络 图生成 高斯Wasserstein距离 故障诊断 变工况

在线阅读 下载PDF 职称材料

基于GADF融合RDSAN的跨工况轴承故障诊断 被引量：1

15

作者 瞿红春 韩松钰 +3 位作者 贾柏谊 马文博 詹亦宏 台合泽 《组合机床与自动化加工技术》 北大核心 2024年第7期182-187,共6页

针对在不同工况下获取到的滚动轴承振动数据特征分布存在差异,以及由于存在噪声而导致故障特征不明显的问题,提出了一种融合格拉姆角差场(GADF)与残差深度子领域自适应(RDSAN)模型的跨工况轴承故障诊断方法。首先,为充分利用GADF在故障... 针对在不同工况下获取到的滚动轴承振动数据特征分布存在差异,以及由于存在噪声而导致故障特征不明显的问题,提出了一种融合格拉姆角差场(GADF)与残差深度子领域自适应(RDSAN)模型的跨工况轴承故障诊断方法。首先,为充分利用GADF在故障特征差异化显示上的优势,利用GADF来生成滚动轴承一维振动时域信号对应的图像数据集;其次,将数据集输入RDSAN模型,其中使用由改进图像集预训练的ResNet-18网络结构进行源域与目标域通用特征的进一步提取,并引入局部最大均值差异(LMMD)计算匹配条件分布距离进行子领域自适应;最后,在添加0.5 dB高斯白噪声的CWRU滚动轴承数据集上进行跨工况试验验证,结果表明所提方法的平均诊断精度达到96.8%;将所提出的方法与不同的诊断方法进行比较分析,结果验证了该方法的有效性和优越性。 展开更多

关键词 滚动轴承 故障诊断 跨工况 格拉姆角差场 子领域自适应

在线阅读 下载PDF 职称材料

时变转速下基于IFMD的行星齿轮箱微弱故障诊断 被引量：2

16

作者 王朝阁 张奇奇 +3 位作者 周福娜 王冉 胡雄 李宏坤 《振动工程学报》 EI CSCD 北大核心 2024年第11期1980-1992,共13页

针对强背景噪声干扰且变转速下行星齿轮箱早期微弱故障特征难以被有效识别的问题,提出一种改进特征模态分解(Improved Feature Mode Decomposition,IFMD)的时变工况行星齿轮箱微弱故障诊断方法。对于特征模态分解算法中的关键输入参数... 针对强背景噪声干扰且变转速下行星齿轮箱早期微弱故障特征难以被有效识别的问题,提出一种改进特征模态分解(Improved Feature Mode Decomposition,IFMD)的时变工况行星齿轮箱微弱故障诊断方法。对于特征模态分解算法中的关键输入参数分解模态个数n、滤波器个数K和滤波器长度L需要依靠人为经验反复尝试而不具有自适应的问题,提出通过尺度空间谱划分来确定所需分解模态个数n;在此基础上,以谱基尼指数(Spectral Gini Index,SGI)作为目标函数,采用粒子群算法自动确定最佳的滤波器个数K和滤波器长度L。最优输入参数组合下,采用IFMD对故障信号进行最佳模态分解,并选取SGI值最大的分量作为敏感模态。从敏感分量的包络阶次谱中提取显著故障特征阶次来准确判别故障类型。通过变转速仿真信号和工程实验数据分析表明,相比PSO-VMD方法、MED方法、SGMD方法和快速谱峭度方法,所提方法能够更加清晰、全面地提取微弱故障信息,提高了时变工况下行星齿轮箱早期故障特征的表征能力和诊断精度。 展开更多

关键词 故障诊断 行星齿轮箱 时变转速工况 特征模态分解 微弱故障

在线阅读 下载PDF 职称材料

基于流形特征域适配的滚动轴承故障诊断 被引量：2

17

作者 周宏娣 黄涛 +1 位作者 李智 钟飞 《振动与冲击》 EI CSCD 北大核心 2024年第5期94-102,共9页

针对变工况下存在两域特征分布复杂,数据在原始空间进行分布对齐时,特征扭曲和发散难以消除等问题,提出一种基于流形特征域适配(manifold feature domain adaptation, MFDA)的滚动轴承故障诊断方法。该方法通过无监督的方式生成一个与... 针对变工况下存在两域特征分布复杂,数据在原始空间进行分布对齐时,特征扭曲和发散难以消除等问题,提出一种基于流形特征域适配(manifold feature domain adaptation, MFDA)的滚动轴承故障诊断方法。该方法通过无监督的方式生成一个与目标域具有相似分布的中间域,构建与源域、中间域和目标域相关的公共子空间,并利用局部生成差异度量保留数据在子空间中的流形局部几何结构,以避免数据对齐时出现扭曲和发散;同时利用最大均值差异度量对齐中间域和目标域,以最小化两域间的分布差异,保证数据间局部与全局结构的相关性。最后,利用学习到的特征,以最小二乘法实现滚动轴承的跨域故障识别。在三组滚动轴承数据集上进行试验验证,与其他智能识别算法相比,该方法能有效避免特征扭曲和发散,且具有优良的泛化性能。 展开更多

关键词 滚动轴承 迁移学习 变工况 故障诊断 流形特征域适配(MFDA)

在线阅读 下载PDF 职称材料

时变小样本条件下基于对比学习的故障诊断 被引量：2

18

作者 乔万 刘秀丽 +1 位作者 吴国新 黄金鹏 《电子测量与仪器学报》 CSCD 北大核心 2024年第8期113-123,共11页

时变工况下的故障诊断往往具有高度动态性,而小样本下模型学习受限使得问题更加棘手。针对上述情况,提出了基于对比深度卷积网络的故障诊断方法:首先,针对数据样本量小的特点,利用速度变化引起的振动数据分布差异,无需进行人工操作自然... 时变工况下的故障诊断往往具有高度动态性,而小样本下模型学习受限使得问题更加棘手。针对上述情况,提出了基于对比深度卷积网络的故障诊断方法:首先,针对数据样本量小的特点,利用速度变化引起的振动数据分布差异,无需进行人工操作自然实现数据增强;然后,在数据处理过程中,采用不同转速下相同健康状态的振动数据作为正样本,同时将不同健康状态下的振动数据作为负样本,通过比较样本之间的相似度来提取关键特征,从而缩小正样本之间的距离,同时增大负样本之间的距离;最后采用对比训练方式进行训练优化,将对比损失和交叉熵损失加权组合作为综合损失函数,使模型在学习特征表示的同时能有效进行分类任务。将该方法分别应用于两种不同时变转速下轴承故障数据集进行案例研究。试验结果表明,所提模型不仅在特征提取和分类任务中表现优异,而且在数据匮乏和时变转速工况下均能实现高准确率的故障诊断。验证了所提模型在处理时变小样本数据方面表现出较高的可行性和有效性,且优于其他先进诊断方法。 展开更多

关键词 对比学习 时变工况 小样本 深度卷积网络 故障诊断

在线阅读 下载PDF 职称材料

基于改进卷积神经网络的变工况轴承故障诊断 被引量：6

19

作者 万欣 牛玉广 《轴承》 北大核心 2024年第8期68-73,79,共7页

原始信号中的故障特征随工况变化而散布在不同的观测尺度上,针对传统卷积神经网络(CNN)模型仅从单一尺度提取特征,容易出现域移现象并丢失其他尺度信息的问题,提出了基于多尺度自适应加权卷积神经网络(MSAWCNN)的故障诊断模型。首先,采... 原始信号中的故障特征随工况变化而散布在不同的观测尺度上,针对传统卷积神经网络(CNN)模型仅从单一尺度提取特征,容易出现域移现象并丢失其他尺度信息的问题,提出了基于多尺度自适应加权卷积神经网络(MSAWCNN)的故障诊断模型。首先,采用多个尺度的卷积核并行提取不同观测尺度上的特征;然后,引入自适应加权结构,动态调制多尺度特征以削弱运行条件对特征表达的影响;最后,使用全局均值池化(GAP)层代替全连接层,减少运算量并避免过拟合。利用西安交通大学转速连续变化的轴承数据集进行试验验证的结果表明:MSAWCNN模型的平均准确率达99.69%,具有较强的抗噪性,能从多个尺度全面地提取故障特征,适用于变工况下的轴承故障诊断。 展开更多

关键词 滚动轴承 故障诊断 变工况 卷积神经网络 自适应 加权 多尺度分析 特征提取

在线阅读 下载PDF 职称材料

基于样本自适应条件对抗网络的齿轮箱跨域故障诊断研究 被引量：1

20

作者 赵敏 范永胜 +1 位作者 邓艾东 邓敏强 《噪声与振动控制》 CSCD 北大核心 2024年第5期166-171,共6页

基于对抗训练的深度领域适应在旋转部件跨域故障诊断中应用效果良好。然而,现有研究主要致力于降低边缘分布差异而忽略对类别分布信息的挖掘,导致其在复杂场景下诊断准确性不足。针对该问题,提出一种样本自适应条件对抗网络,通过分解抽... 基于对抗训练的深度领域适应在旋转部件跨域故障诊断中应用效果良好。然而,现有研究主要致力于降低边缘分布差异而忽略对类别分布信息的挖掘,导致其在复杂场景下诊断准确性不足。针对该问题,提出一种样本自适应条件对抗网络,通过分解抽象特征和评估样本置信度挖掘类别分布特征,增强对抗训练的域适配能力,从而有效提高跨域诊断性能。通过齿轮箱故障诊断实验验证所提方法在实际应用中的有效性和优越性。 展开更多

关键词 故障诊断 深度领域适应 对抗训练 条件对抗网络 齿轮箱

在线阅读 下载PDF 职称材料