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505篇文章
< 1 2 … 26 >
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：
Method of Fault Area ＆ Section Location for Non-solidly Earthed Distribution System 被引量：28
1
作者 ZHENG Guping JIANG Chao LI Gang QI Zheng YANG Yihan 《中国电机工程学报》 EI CSCD 北大核心 2012年第13期I0014-I0014,197,共1页
中国中压配电网以架空线为主，多为小电流系统，单相接地故障占到电网故障总数的80％以上，但中国配网自动化系统基本上没有小电流接地故障定位功能，使配网自动化系统在提高可靠性的作用上大打折扣。给出一种小电流接地故障区段定位新... 中国中压配电网以架空线为主，多为小电流系统，单相接地故障占到电网故障总数的80％以上，但中国配网自动化系统基本上没有小电流接地故障定位功能，使配网自动化系统在提高可靠性的作用上大打折扣。给出一种小电流接地故障区段定位新方法，在线路上配置广域相量测量固定测点，获取小电流电网单相接地故障特征信息。基于测点相邻矩阵区段起始测点标识向量和故障路径标识向量概念，提出确定故障区间边界节点算法。物理模拟实验和挂网测试表明：该故障分区分段定位方法能够在线求解小电流接地故障段边界节点，缩小线路维护巡视范围。确定故障区间边界节点算法还可用于确定故障区相关负荷开关，为线路维护和馈线自动化提供依据。 展开更多
关键词 断层破碎带 配电自动化系统 单相接地故障 小电流系统 小电流接地 架空线路 电压分布 故障监测
在线阅读 下载PDF
某重型数控镗铣床主轴进给传动子系统小样本故障数据下的可靠性评估 被引量：1
2
作者 陈红霞 王凡 +2 位作者 王纪华 任杰 谢遂心 《机床与液压》 北大核心 2025年第13期173-180,共8页
针对某重型数控镗铣床主轴进给传动子系统小样本故障数据下的可靠性评估问题,采用同类型机床故障数据,作为贝叶斯分析中的先验数据,结合实际收集到的进给传动子系统小样本故障数据,应用Bootstrap-Bayes方法,进行Bootstrap再抽样,得到分... 针对某重型数控镗铣床主轴进给传动子系统小样本故障数据下的可靠性评估问题,采用同类型机床故障数据,作为贝叶斯分析中的先验数据,结合实际收集到的进给传动子系统小样本故障数据,应用Bootstrap-Bayes方法,进行Bootstrap再抽样,得到分布函数参数的置信区间,以此作为贝叶斯方法的先验信息。在此基础上,利用k-means聚类分析方法对Bootstrap法扩充后的数据进行聚合筛选,改进后尺度参数置信区间和形状参数置信区间的长度大幅缩短。之后利用WINBUGS软件进行后验求解,得出进给传动子系统的平均故障间隔时间(MTBF),其结果更加接近实际MTBF,有效提高了可靠性评估结果的精度。 展开更多
关键词 进给传动子系统 小样本故障数据 可靠性评估 Bootstrap-Bayes k-means聚类分析
在线阅读 下载PDF
小样本下基于MTF与SSCAM-MSCNN的滚动轴承变工况故障诊断方法 被引量：1
3
作者 雷春丽 焦孟萱 +2 位作者 薛林林 张护强 史佳硕 《计算机集成制造系统》 北大核心 2025年第1期278-289,共12页
针对滚动轴承在不同工况条件下样本分布不同以及故障样本数量不足导致故障诊断精度低、泛化性能差的问题,提出一种小样本下基于MTF与SSCAM-MSCNN的滚动轴承变工况故障诊断方法。首先,运用马尔科夫转移场(MTF)将一维振动信号转化为具有... 针对滚动轴承在不同工况条件下样本分布不同以及故障样本数量不足导致故障诊断精度低、泛化性能差的问题,提出一种小样本下基于MTF与SSCAM-MSCNN的滚动轴承变工况故障诊断方法。首先,运用马尔科夫转移场(MTF)将一维振动信号转化为具有时间相关性的二维特征图。其次,提出条纹自校正注意力机制(SSCAM),它不仅可以加强模型在长距离方向上的特征提取能力,还能建立通道间依赖关系,可以对全局有效信息进行捕捉。然后,将SSCAM引入到多尺度神经网络(MSCNN)中,构建出SSCAM-MSCNN模型。最后,将MTF二维特征图输入到所提模型中进行训练,采用优化后的网络模型进行测试并输出分类结果。通过美国凯斯西储大学以及本实验室MFS滚动轴承数据集对所提方法进行验证,同时对后者进行加噪处理,与其他故障诊断模型进行对比。试验结果表明,所提方法在小样本、变工况条件下具有更高的识别精度、更强的泛化性能与抗噪性能。 展开更多
关键词 滚动轴承 马尔科夫转移场 卷积神经网络 条纹自校正注意力机制 小样本 故障诊断
在线阅读 下载PDF
基于IVYA-FMD和EELM-Yager的轴承小样本故障诊断模型 被引量：1
4
作者 王恒迪 王豪馗 +2 位作者 陈鹏 吴升德 马盈丰 《机电工程》 北大核心 2025年第6期1093-1101,共9页
针对滚动轴承故障特征提取难度大以及不同故障类型训练样本稀缺的问题,提出了一种基于参数优化特征模态分解(FMD)和集成极限学习机(EELM)的小样本滚动轴承故障诊断方法。首先,采用常春藤算法(IVYA)对FMD参数进行了优化,提升了模态分解... 针对滚动轴承故障特征提取难度大以及不同故障类型训练样本稀缺的问题,提出了一种基于参数优化特征模态分解(FMD)和集成极限学习机(EELM)的小样本滚动轴承故障诊断方法。首先,采用常春藤算法(IVYA)对FMD参数进行了优化,提升了模态分解的精确度,并采用最小残差指数(REI)作为最优模态分量的选取准则,从最优模态分量中提取了故障信号时域、频域及熵值的关键特征;然后,将所提取的特征输入EELM中进行了故障识别;最后,采用Yager加权平均规则对EELM的分类结果进行了融合,得到了综合故障诊断结果。研究结果表明:IVYA-FMD在信号处理过程中,具有优秀的特征提取和抗干扰能力,可有效提取原始信号的故障特征;IVYA-FMD和EELM-Yager模型在实验数据中,训练集与测试集按照8∶2的比例进行分割时的准确率达到99.12%;当训练集与测试集按照2:8的比例进行分割时,该方法在实验数据中的准确率高达92.5%,在CWRU数据集和SEU数据集中的准确率均超过96.8%。与其他智能诊断模型相比,IVYA-FMD和EELM-Yager在小样本滚动轴承故障诊断领域展现出显著的可行性和优越性。 展开更多
关键词 特征模态分解 常春藤算法 集成极限学习机 Yager加权平均 小样本故障诊断 滚动轴承
在线阅读 下载PDF
小样本下基于DWT和2D-CNN的齿轮故障诊断方法 被引量：1
5
作者 宋庭新 黄继承 +2 位作者 刘尚奇 杜敏 李子平 《计算机集成制造系统》 北大核心 2025年第6期2206-2214,共9页
针对齿轮设备运维过程中故障信号较少的情况,提出一种将离散小波变换(DWT)与二维卷积神经网络(2D-CNN)相结合的故障识别方法。该方法通过将少量信号经卷积神经网络得到的分类标签与信号的小波能量进行权值分配,实现对齿轮的故障识别。... 针对齿轮设备运维过程中故障信号较少的情况,提出一种将离散小波变换(DWT)与二维卷积神经网络(2D-CNN)相结合的故障识别方法。该方法通过将少量信号经卷积神经网络得到的分类标签与信号的小波能量进行权值分配,实现对齿轮的故障识别。为了充分获取小样本中的信息来训练神经网络,利用离散小波分解、图像变换和Markov变迁场方法对样本信号进行增量和转换。通过验证齿轮箱数据集得到96%的训练准确率和87.5%的分类准确率,同时通过消融实验和对比实验证明,该方法可以有效克服小样本数据中的噪声干扰,使数据得到增强,在齿轮故障识别中具有很好的现实意义。 展开更多
关键词 故障诊断 小样本 二维卷积神经网络 小波变换
在线阅读 下载PDF
南方煤系地层小断层地震物理模型研究
6
作者 戴世鑫 董艳娇 +3 位作者 胡盼 李祥 邢振邯 杨甫 《地质通报》 北大核心 2025年第5期858-871,共14页
【研究目的】针对南方煤田煤系地层岩性特征和地质构造分布,目前依靠传统方法,识别落差≤5 m小断层存在极大的局限性且难度较大,而地震物理模型是目前最有可能实现系统研究小断层的技术手段。【研究方法】以南方煤田——贵州省六盘水煤... 【研究目的】针对南方煤田煤系地层岩性特征和地质构造分布,目前依靠传统方法,识别落差≤5 m小断层存在极大的局限性且难度较大,而地震物理模型是目前最有可能实现系统研究小断层的技术手段。【研究方法】以南方煤田——贵州省六盘水煤田为例,根据对研究区的实地勘探与资料收集,设计地震物理模型。由于小断层的制作难度及特殊性,采用特有的空间尺寸比例1∶2000,速度比为1∶1.74,首次在国内实现对不同埋深5 m、3 m和1 m小断层的构建,从而制作完成了南方煤系地层小断层地震物理模型,对地震数据进行采集,并对模型原始地震数据进行分析及处理,得到模型叠加剖面。【研究结果】可以通过相似比原理选取特定比例因子,进行原料配比,完成包含落差≤5 m小断层地震物理模型的制作,为后续采集地震数据对煤田小断层进行识别及研究小断层波场特征提供试验平台。【结论】本次研究建立了一套适用于南方煤田小断层识别的地震物理模型实验体系,验证了相似比原理与小断层模型构建的可行性,突破了传统方法难以识别小断层的技术局限。该模型为研究小断层的波场特征、地震响应机制及后续小断层精细识别提供了实验平台与理论支撑,对提升南方煤系构造精细解释能力具有重要意义。 展开更多
关键词 地震物理模型 南方煤系 模型制作 数据采集 小断层
在线阅读 下载PDF
基于VAE-WGAN的矿井提升机主轴承小样本故障诊断方法 被引量：1
7
作者 江帆 宋泓炎 +2 位作者 沈熙 朱真才 程舒曼 《煤炭科学技术》 北大核心 2025年第S1期468-482,共15页
作为提升机的关键组件,主轴承在长时间高速重载服役过程中,其性能会发生退化并导致故障产生,故开展提升机主轴承故障诊断对保障矿井提升机安全高效运行具有重要意义。然而,矿井提升机运行状态监测的数据中正常服役与故障状态的比重严重... 作为提升机的关键组件,主轴承在长时间高速重载服役过程中,其性能会发生退化并导致故障产生,故开展提升机主轴承故障诊断对保障矿井提升机安全高效运行具有重要意义。然而,矿井提升机运行状态监测的数据中正常服役与故障状态的比重严重失调,呈现出正常样本多、故障样本少、标签样本不足等特点,导致矿井提升机主轴承故障模型训练效果不理想、诊断准确度低。针对小样本下矿井提升机主轴承故障诊断准确率低的问题,通过融合变分自编码器和Wasserstein生成对抗网络,构建基于VAE-WGAN的矿井提升机主轴承样本增广模型,进而提出基于CBAM-MoblieNetV2的故障诊断方法,实现小样本数据下的矿井提升机主轴承故障诊断。在算法层面上,引入Wasserstein距离度量,解决生成对抗网络训练梯度消失问题。在数据层面上,使用凯斯西储大学数据集对VAE-WGAN进行测试,并通过量化指标评价VAE-WGAN生成能力的方式优选超参数,再用矿井提升机模拟实验台轴承数据集训练VAE-WGAN,实现小样本数据集增广扩容。为了提升故障诊断模型的特征提取能力和故障诊断准确率,在轻量化卷积神经网络MobileNetV2的基础上,将卷积块注意力机制CBAM融合到MobileNetV2深层特征映射,搭建注意力机制卷积分类网络CBAMMobileNetV2,通过融合跨通道信息和空间信息实现更多地关注故障特征。最后与WGAN_GP、DCGAN,VAE以及WGAN等传统生成模型进行了对比分析,VAE-WGAN+CBAM-MobileNetV2在4种小样本比例数据集上的准确率均高于其他4种方法,证明了所提样本增广和故障诊断方法在不同小样本比例故障数据集上的故障诊断准确率更高,能够满足小样本下的故障诊断要求。 展开更多
关键词 生成对抗网络 小样本 矿井提升机 主轴承 故障诊断
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
8
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
顺北地区中—小尺度断控缝洞体地震预测
9
作者 李弘艳 刘军 +1 位作者 龚伟 张荣 《新疆石油地质》 北大核心 2025年第2期240-245,共6页
顺北地区发育断控缝洞型油气藏,针对主干断裂带的油气勘探开发取得了较好的效果。除主干断裂带之外,还发育大量中—小尺度断裂,该类型断裂带数量更多、分布更广、尺度更小。受目标埋深(大于8000m)和尺度影响,中—小尺度断裂及其控制的... 顺北地区发育断控缝洞型油气藏,针对主干断裂带的油气勘探开发取得了较好的效果。除主干断裂带之外,还发育大量中—小尺度断裂,该类型断裂带数量更多、分布更广、尺度更小。受目标埋深(大于8000m)和尺度影响,中—小尺度断裂及其控制的缝洞体在地震资料上响应不清,难以识别和描述。从地震资料解释入手,采用频谱延拓提高分辨率处理和强反射分离技术,增强地震数据的动力学信息,有效凸显了中—小尺度断控缝洞体地震反射特征。根据不同类型储集体特征优选敏感属性,曲波多尺度相干对中—小尺度断裂较敏感,依据杂乱度和分频能量能够较好地识别断裂破碎带和缝洞体。通过对反映不同信息的属性进行融合,实现了中—小尺度断控缝洞体预测和描述。在顺北地区进行应用,有效指导了井位部署,取得了较好的油气开发效果。 展开更多
关键词 顺北地区 断控缝洞体 中—小尺度断裂 地震预测 频谱延拓 相干 杂乱度属性 分频能量属性
在线阅读 下载PDF
基于XGBoost和泛化特征优选的小电流接地故障方向判别方法
10
作者 王江波 黑晓捷 +3 位作者 邱鹏玉 胡旭峰 罗晶晶 何啸扬 《电力自动化设备》 北大核心 2025年第7期71-79,共9页
考虑配电网的复杂多变性,提出了一种基于极限梯度提升(XGBoost)和泛化特征优选的故障方向判别方法,以数量最少且能适应不同场景变化的最优泛化特征作为输入,提升故障方向判别模型的准确率和泛化能力。考虑到实际应用中电流信号的易获取... 考虑配电网的复杂多变性,提出了一种基于极限梯度提升(XGBoost)和泛化特征优选的故障方向判别方法,以数量最少且能适应不同场景变化的最优泛化特征作为输入,提升故障方向判别模型的准确率和泛化能力。考虑到实际应用中电流信号的易获取性,以归一化三相暂态电流突变量波形级联构造特征波形,提取6类26个特征量构建候选特征集;利用多场景精细化仿真数据集拟合各特征类间概率分布,基于Hellinger距离稳健引导和互补排序,以模型准确率达到稳定的最少特征数为准则确定最优泛化特征子集。与不同分类算法的对比分析结果验证了所提方法有效性,特征优选后仅需输入4个特征即可达到较高的判别准确率。同时,经高阻接地故障识别能力分析、噪声模拟测试和实测故障录波数据验证,所提方法的准确率可达99%以上,表明所提方法具有较好的泛化性和鲁棒性。 展开更多
关键词 小电流接地故障 故障方向 故障特征 故障分析 XGBoost模型
在线阅读 下载PDF
CNN-DLSTM结合迁移学习的小样本轴承故障诊断方法
11
作者 仇芝 徐泽瑜 +2 位作者 陈涛 石明江 韦明辉 《机械科学与技术》 北大核心 2025年第2期288-297,共10页
针对轴承故障数据样本少、未知故障难以分类等问题,提出了一种将一维卷积神经网络(1D convolutional neural network, 1D-CNN)连接深层长短时记忆循环神经网络(Deep long-short-term memory neural network, DLSTM)的模型结合迁移学习... 针对轴承故障数据样本少、未知故障难以分类等问题,提出了一种将一维卷积神经网络(1D convolutional neural network, 1D-CNN)连接深层长短时记忆循环神经网络(Deep long-short-term memory neural network, DLSTM)的模型结合迁移学习的故障诊断方法。该诊断方法基于电机振动数据,利用CNN提取故障特征;将特征作为DLSTM的输入,进一步学习、编码从CNN中学习的特征序列信息,捕获高级特征用于故障分类;首先用充足的西储轴承数据对该故障诊断模型进行预训练,再利用迁移学习放松训练数据和测试数据可不必独立同分布的能力,使用自制实验平台的小样本数据微调预训练模型。最后用迁移学习后的模型,对跨工况、跨型号、跨故障的故障轴承数据进行模拟实验。结果表明,所提出的方法与其他方法相比鲁棒性强,训练速度更快,能够更精确的诊断故障,平均诊断精度达到99%以上。 展开更多
关键词 小样本数据集故障诊断 卷积神经网络 长短期记忆网络 迁移学习
在线阅读 下载PDF
基于FDTRP-ALDCNN的小样本轴承故障诊断方法
12
作者 王娜 刘佳林 王子从 《铁道科学与工程学报》 北大核心 2025年第9期4271-4283,共13页
针对滚动轴承在小样本条件下诊断精度低的问题,提出一种基于频域无阈值递归图与自适应线性可变卷积神经网络(frequency domain thresholdless recurrence plot-adaptive linear deformable convolutional neural network,FDTRP-ALDCNN)... 针对滚动轴承在小样本条件下诊断精度低的问题,提出一种基于频域无阈值递归图与自适应线性可变卷积神经网络(frequency domain thresholdless recurrence plot-adaptive linear deformable convolutional neural network,FDTRP-ALDCNN)的滚动轴承故障诊断方法。首先,使用快速傅里叶变换(fast fourier transform,FFT)将一维时域信号转为频域信号,并与无阈值递归图(thresholdless recurrence plot,TRP)相结合,以有效构建初始特征,提高模型输入质量;其次,采用线性可变卷积核(linear deformable convolutional kernel,LDConv)替换卷积神经网络中方形卷积核,从而能够根据采样数据的分布来调整卷积核形状,准确获取空间信息中的关键特征,提高小样本数据的利用率;再次,设计自适应交叉熵(adaptive cross entropy,ACE)损失函数,根据样本分类损失自适应调整分类器对难分与易分样本的拟合程度,增强难分样本损失在整体分类损失中的显著性,进一步提高小样本下的模型诊断精度;最后,采用CWRU滚动轴承数据集对所提方法进行3组仿真验证。对比仿真的结果表明,所提模型在不同小样本数量下均有较高的诊断准确率,最高可达到99.82%。而对2组不平衡数据集的泛化性分析可知,本模型的诊断准确率分别达到98.56%与99.3%,泛化能力优于其他模型,且具有良好的稳定性。并通过消融实验验证了FFT、LDConv与ACE损失函数对提高故障诊断精度的有效性。综上所述,所提方法能够有效诊断出小样本轴承故障,具有较高的实际应用价值。 展开更多
关键词 故障诊断 小样本 无阈值递归图 线性可变卷积核 卷积神经网络 交叉熵损失函数
在线阅读 下载PDF
基于循环微调训练的柴油机故障迁移学习诊断
13
作者 林杰威 张益铭 +3 位作者 朱小龙 王辉 勾焮 张俊红 《振动.测试与诊断》 北大核心 2025年第4期682-689,841,共9页
针对当前柴油机故障诊断领域深度学习模型参数规模大、训练时间长,以及工程应用中带标签样本不足的问题,提出一种基于轻量化网络和循环微调训练的柴油机故障诊断迁移学习方法。首先,该方法采用轻量化MobileNet-V2作为主干网络,在权重迁... 针对当前柴油机故障诊断领域深度学习模型参数规模大、训练时间长,以及工程应用中带标签样本不足的问题,提出一种基于轻量化网络和循环微调训练的柴油机故障诊断迁移学习方法。首先,该方法采用轻量化MobileNet-V2作为主干网络,在权重迁移学习的基础上,提出一种部分权重循环初始化微调的方法,解决了变工况条件下的小样本诊断问题;其次,开展不同程度进气滤清器堵塞和气门间隙异常的柴油机故障台架实验;最后,采用所提方法和现有方法,对变负荷条件下的柴油机进行故障诊断对比分析。结果表明:所提方法在参数规模、计算量、诊断精度和稳定性上均优于现有方法,尤其是在小样本条件下的优势更为明显。 展开更多
关键词 迁移学习 故障诊断 时频分析 小样本 柴油机 变工况
在线阅读 下载PDF
基于多尺度空洞卷积神经网络的滚动轴承故障识别方法
14
作者 汪小虎 赵荣珍 +1 位作者 邓林峰 郑玉巧 《兰州理工大学学报》 北大核心 2025年第3期55-63,共9页
针对现有卷积神经网络模型参数偏多导致滚动轴承智能诊断效率低和识别准确率受限于训练样本数量的问题,提出了基于多尺度空洞卷积神经网络的滚动轴承故障识别方法.该方法首先在模型的输入层采用大尺寸的空洞卷积核和标准卷积核提取一维... 针对现有卷积神经网络模型参数偏多导致滚动轴承智能诊断效率低和识别准确率受限于训练样本数量的问题,提出了基于多尺度空洞卷积神经网络的滚动轴承故障识别方法.该方法首先在模型的输入层采用大尺寸的空洞卷积核和标准卷积核提取一维振动信号的多尺度敏感特征,然后使用尺寸为1×1和3×1的小卷积核以及2×1的最大池化操作对输入层所提取敏感特征进一步提取深层抽象特征,最后用全局平均池化层代替传统卷积神经网络的全连接层.同时,分别采用西储大学轴承故障数据和实验室轴承故障数据进行实验验证.结果表明,该方法泛化性能良好,并且能够在训练样本较少的情况下出色地完成故障识别任务,即使在一定噪声干扰下也能够对轴承微弱故障准确识别. 展开更多
关键词 多尺度空洞卷积神经网络 滚动轴承 故障识别 小样本 微弱故障
在线阅读 下载PDF
基于交叉重叠差分变换的分布式电源系统接地故障检测方法 被引量：2
15
作者 黄海燕 龚振 +3 位作者 黄永泉 苏适 谢青洋 尚磊 《电气工程学报》 北大核心 2025年第1期188-196,共9页
在不接地系统中,发生小故障角故障或高阻接地故障时故障电流较小,传统故障检测方法仅设一个阀值,对这类故障适应性不强,检测可靠性受限;在含分布式电源的系统中,受电力电子元件的限制,故障电流的幅值也将减小。所提方法将暂态零模电流... 在不接地系统中,发生小故障角故障或高阻接地故障时故障电流较小,传统故障检测方法仅设一个阀值,对这类故障适应性不强,检测可靠性受限;在含分布式电源的系统中,受电力电子元件的限制,故障电流的幅值也将减小。所提方法将暂态零模电流在不同频带上的最大能量和对应的频率范围定义为特征频带,对比不同类型故障下故障线路与非故障线路的特征频带内零模电流,利用交叉重叠差分变换(Sequential overlapping derivative, SOD),突出其相位、幅值差异,实现故障检测。仿真表明,特征频带可以有效地过滤信号干扰并突出故障特征,对以上故障类型均能有效甄别;另一方面,SOD只需提取几个采样点的电流电压信号,即可快速识别故障初始行波,避免初始行波易逝性带来的问题。 展开更多
关键词 故障检测 高阻抗接地故障 小故障角故障 特征频带 交叉重叠差分变换 分布式电源
在线阅读 下载PDF
基于多重流形标签传播的滚动轴承故障诊断方法 被引量：2
16
作者 李灿 王广斌 +2 位作者 赵树标 钟志贤 曾东 《振动与冲击》 北大核心 2025年第1期121-133,共13页
针对当前的无监督域自适应算法应用于滚动轴承故障诊断领域时,源域数据不平衡,且两个域之间存在域偏移,导致故障识别率低的问题,提出了一种基于多重流形标签传播的滚动轴承故障诊断方法,旨在将源域和目标域的数据多重投影到共同的子空间... 针对当前的无监督域自适应算法应用于滚动轴承故障诊断领域时,源域数据不平衡,且两个域之间存在域偏移,导致故障识别率低的问题,提出了一种基于多重流形标签传播的滚动轴承故障诊断方法,旨在将源域和目标域的数据多重投影到共同的子空间,减少域内以及跨域的差异,同时平衡样本分布,进而提高变工况轴承故障诊断的精度。首先,提出域内局部保持平衡映射方法,将源域和目标域数据映射到一重流形子空间,得到域内对齐后的样本数据,并对源域数据进行平衡处理,得到平衡后的源域数据;然后,提出跨域流形结构细化对齐方法,将数据进一步映射到二重共享子空间,得到细化对齐后的样本数据;最后,通过动态加权伪标签域适应传播方法,得到准确度高的伪标签。分别在CWRU和自建的轴承数据集上进行故障诊断试验,试验结果表明,所提方法不仅对多故障类型多故障尺寸、复合故障上有着较好的识别能力,且当标签样本稀少时,模型也表现出优秀的诊断效果。 展开更多
关键词 多重流形映射 轴承故障诊断 小样本 动态加权伪标签
在线阅读 下载PDF
基于二维灰度图和结构相似生成对抗网络的小样本轴承故障诊断 被引量：1
17
作者 岳健 刘冰 江国乾 《轴承》 北大核心 2025年第3期88-96,共9页
针对轴承故障诊断领域中标记故障样本稀缺,且主流方法在进行数据扩充时存在生成数据质量不高的问题,提出一种基于二维灰度图和结构相似生成对抗网络(SSGAN)的小样本轴承故障诊断方法。首先,将一维振动信号转换为二维灰度图输入SSGAN中... 针对轴承故障诊断领域中标记故障样本稀缺,且主流方法在进行数据扩充时存在生成数据质量不高的问题,提出一种基于二维灰度图和结构相似生成对抗网络(SSGAN)的小样本轴承故障诊断方法。首先,将一维振动信号转换为二维灰度图输入SSGAN中进行对抗训练;其次,结合真实故障样本对生成样本进行结构相似性(SSIM)分析,剔除差异性较大的生成样本,得到辅助训练样本;最后,将扩充后的训练样本输入深度卷积神经网络(DCNN)中进行故障诊断。试验结果表明,所提方法在小样本轴承数据集下的故障识别准确率达到了99.10%,与其他故障诊断方法相比具有明显的优越性。 展开更多
关键词 滚动轴承 故障诊断 小样本 灰度图 生成对抗网络
在线阅读 下载PDF
基于FDVI和CDDPM的小样本岸桥齿轮箱多类故障诊断 被引量：2
18
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
基于声纹脊线化和元学习的变压器故障诊断方法
19
作者 曲朝阳 刘谊豪 +2 位作者 曲楠 姜涛 徐晓宇 《电力系统保护与控制》 北大核心 2025年第13期163-174,共12页
针对变压器声纹检测中信号易受干扰且足量样本获取困难的问题,提出一种融合声纹脊线化与元学习的变压器声纹诊断方法。首先,基于脊线化特征处理,对优化后的变压器声纹时频谱图进行物理特征筛选与形态特征压缩。然后,搭建选择性编码器(se... 针对变压器声纹检测中信号易受干扰且足量样本获取困难的问题,提出一种融合声纹脊线化与元学习的变压器声纹诊断方法。首先,基于脊线化特征处理,对优化后的变压器声纹时频谱图进行物理特征筛选与形态特征压缩。然后,搭建选择性编码器(selective encoder, SE)加深时频与形态表征的关联度,提升模型收敛速度。最后,构造元学习网络评估变压器状态,并引入基于OD-Reptile的一阶梯度更新策略,通过内外循环优化机制增强参数泛化性,从而实现少样本、信息干扰条件下的高精度声纹诊断。相较于R-WDCNN、LSTM、CNN等传统深度学习信号诊断方法,该方法在低样本、高噪声环境下(SNR为-12 dB),收敛轮数减少10轮以上。同时,准确率分别提高6.35%,12.1%和16.93%。实验结果显示,所提方法在准确性、抗噪性、鲁棒性以及泛化性方面均有显著提升。 展开更多
关键词 声纹 小样本 脊线化 时频谱图 选择性编码 元学习 故障诊断
在线阅读 下载PDF
小样本下离心泵的孪生网络故障诊断方法
20
作者 李科 张来斌 +2 位作者 段礼祥 刘海鹏 张馨月 《科学技术与工程》 北大核心 2025年第11期4543-4550,共8页
实际工程中需要大量数据支撑的常规诊断方法难以有效进行小样本条件下的离心泵故障诊断,为此,将深度学习中的残差网络(residual network, ResNet)与膨胀卷积相结合,并拓展为孪生网络,构建膨胀残差孪生网络(dilated residual siamese net... 实际工程中需要大量数据支撑的常规诊断方法难以有效进行小样本条件下的离心泵故障诊断,为此,将深度学习中的残差网络(residual network, ResNet)与膨胀卷积相结合,并拓展为孪生网络,构建膨胀残差孪生网络(dilated residual siamese network, DRSN)。将膨胀残差网络作为孪生网络的特征提取模块,强化了模型的特征提取能力;构造正负样本对,从每个样本中提取更多的信息,更有效地利用有限的数据;两个子网络共享参数,减少自由参数的数量,降低样本不足时过拟合的风险。提出的网络模型缓解了训练样本不足的问题,提升了数据利用的效率,实现了小样本条件下的离心泵故障分类。研究结果表明:在样本最匮乏的情况下,该模型在离心泵试验数据集上的准确率仍能达到82.20%,相较其他模型,准确率至少提升了8.8个百分点。 展开更多
关键词 离心泵 故障诊断 小样本 残差网络 孪生网络
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 … 26 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