检索结果-维普期刊中文期刊服务平台

基于WP-TRP的滚动轴承故障诊断方法: 1; 作者王娜崔月磊 +1 位作者罗亮王子从《东北大学学报(自然科学版)》北大核心 2025年第3期20-27,共8页; 针对故障诊断中传统时频域法提取特征时易受主观因素影响而导致冗余,且深度学习算法受训练数据影响导致计算复杂性较高的缺点,将时域和频域结合,提出一种基于小波包-无阈值递归图(WPTRP)的滚动轴承故障诊断方法.首先,提出递减信息熵准则... 展开更多; 关键词故障诊断小波包分解信息熵无阈值递归图奇异值分解海洋捕食者算法; 在线阅读下载PDF 职称材料

基于FDTRP-ALDCNN的小样本轴承故障诊断方法: 2; 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)... 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 职称材料

基于小波基—改进卷积自编码器的故障诊断方法: 3; 作者王娜刘佳林王子从《兵器装备工程学报》北大核心 2025年第8期351-360,共10页; 针对故障诊断中,传统小波包分解(wave packet decomposition,WPD)提取故障特征主观性强、且模型诊断效率低的问题,提出了一种基于小波基—改进卷积自编码器的故障诊断方法。基于能量—泰尔指数准则来准确选择小波基函数,以改善传统小波... 展开更多; 关键词故障诊断小波包分解泰尔指数无阈值递归图卷积自编码器损失函数; 在线阅读下载PDF 职称材料

基于无阈值递归图和深度残差网络的脑电信号情感识别被引量：6: 4; 作者杜秀丽郭庆汝 +1 位作者邱少明吕亚娜《计算机应用与软件》北大核心 2021年第4期177-183,共7页; 提出基于无阈值递归图和深度残差网络相结合的脑电信号情感识别方法。基于非线性动力学理论,将脑电信号转化为无阈值递归图,克服了传统递归图分析中阈值选取的问题,同时脑电信号非线性特征被映射到二维平面。通过深度残差网络实现特征... 展开更多; 关键词脑电信号情感识别无阈值递归图深度残差网络; 在线阅读下载PDF 职称材料

题名基于WP-TRP的滚动轴承故障诊断方法: 1; 作者王娜崔月磊罗亮王子从; 机构天津工业大学控制科学与工程学院天津工业大学天津市电气装备智能控制重点实验室; 出处《东北大学学报(自然科学版)》北大核心 2025年第3期20-27,共8页; 基金天津市重点研发计划项目(19YFHBQY00040).; 文摘针对故障诊断中传统时频域法提取特征时易受主观因素影响而导致冗余,且深度学习算法受训练数据影响导致计算复杂性较高的缺点,将时域和频域结合,提出一种基于小波包-无阈值递归图(WPTRP)的滚动轴承故障诊断方法.首先,提出递减信息熵准则,以克服小波包分解的主观性,获取更准确的时频域特征;在此基础上,引入无阈值递归图思想,充分提取数据初始时域特征,并利用奇异值分解进一步降低冗余特征,提高计算效率.然后,引入海洋捕食者算法来获得支持向量机最优参数,实现故障诊断的准确分类.最后,通过标准滚动轴承数据集仿真验证了所提方法的有效性.; 关键词故障诊断小波包分解信息熵无阈值递归图奇异值分解海洋捕食者算法; Keywords fault diagnosis wavelet packet decomposition information entropy thresholdless recurrence plot(trp) singular value decomposition marine predator algorithm; 分类号 TP277 [自动化与计算机技术—检测技术与自动化装置]; 在线阅读下载PDF 职称材料

题名基于FDTRP-ALDCNN的小样本轴承故障诊断方法: 2; 作者王娜刘佳林王子从; 机构天津工业大学控制科学与工程学院天津工业大学天津市电气装备智能控制重点实验室; 出处《铁道科学与工程学报》北大核心 2025年第9期4271-4283,共13页; 基金天津市自然科学基金重点项目(23JCZDJC01140)。; 文摘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。; 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; Keywords fault diagnosis small sample thresholdless recurrence plot linear deformable convolutional kernel convolutional neural network cross entropy loss function; 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

题名基于小波基—改进卷积自编码器的故障诊断方法: 3; 作者王娜刘佳林王子从; 机构天津工业大学控制科学与工程学院天津工业大学天津市电气装备智能控制重点实验室; 出处《兵器装备工程学报》北大核心 2025年第8期351-360,共10页; 基金天津市自然科学基金项目(23JCZDJC01140)。; 文摘针对故障诊断中,传统小波包分解(wave packet decomposition,WPD)提取故障特征主观性强、且模型诊断效率低的问题,提出了一种基于小波基—改进卷积自编码器的故障诊断方法。基于能量—泰尔指数准则来准确选择小波基函数,以改善传统小波包基函数确定主观性较强的缺点,获得初始故障特征;引入无阈值递归图(thresholdless recurrence plot,TRP),并与小波包分解相结合,从空间角度进一步增强故障特征的显著性,并减少冗余特征;将softmax分类器嵌入到卷积自编码器(convolutional autoencoder,CAE)中,并构建新的损失函数,来确保参数训练的准确性,并通过一次迭代学习即可实现参数更新,进一步提高了模型的诊断效率。通过在CWRU数据集和JNU数据集上的仿真,结果表明,所提方法的诊断准确率分别为99.67%和98.33%,相比于其他方法具有更好的诊断精度及效率。; 关键词故障诊断小波包分解泰尔指数无阈值递归图卷积自编码器损失函数; Keywords fault diagnosis wave packet decomposition theil index thresholdless recurrence plot convolutional autoencoder loss function; 分类号 TH133.3 [机械工程—机械制造及自动化] TP311.1 [自动化与计算机技术—计算机软件与理论]; 在线阅读下载PDF 职称材料

题名基于无阈值递归图和深度残差网络的脑电信号情感识别被引量：6: 4; 作者杜秀丽郭庆汝邱少明吕亚娜; 机构大连大学通信与网络重点实验室; 出处《计算机应用与软件》北大核心 2021年第4期177-183,共7页; 基金辽宁省“百千万人才工程”项目(2018921080)。; 文摘提出基于无阈值递归图和深度残差网络相结合的脑电信号情感识别方法。基于非线性动力学理论,将脑电信号转化为无阈值递归图,克服了传统递归图分析中阈值选取的问题,同时脑电信号非线性特征被映射到二维平面。通过深度残差网络实现特征图非线性特征的自动提取,建立情感脑电分类模型,实现了单导联脑电信号情感识别。为进一步提高识别精度,联合四个单导联识别结果,采用“投票法”完成多导联脑电信号情感状态的联合识别。仿真结果表明,对Fp1、Fp2、F3、F4单导联脑电信号情感识别,平均准确率分别为93.82%、93.62%、94.54%、92.92%;多导联平均准确率为94.95%,提高了识别的准确率,具有很大的实用价值。; 关键词脑电信号情感识别无阈值递归图深度残差网络; Keywords EEG Emotion recognition thresholdless recurrence plot Deep residual network; 分类号 TP3 [自动化与计算机技术—计算机科学与技术]; 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WP-TRP的滚动轴承故障诊断方法	王娜崔月磊罗亮王子从	《东北大学学报(自然科学版)》北大核心	2025	0	在线阅读下载PDF 职称材料
2	基于FDTRP-ALDCNN的小样本轴承故障诊断方法	王娜刘佳林王子从	《铁道科学与工程学报》北大核心	2025	0	在线阅读下载PDF 职称材料
3	基于小波基—改进卷积自编码器的故障诊断方法	王娜刘佳林王子从	《兵器装备工程学报》北大核心	2025	0	在线阅读下载PDF 职称材料
4	基于无阈值递归图和深度残差网络的脑电信号情感识别	杜秀丽郭庆汝邱少明吕亚娜	《计算机应用与软件》北大核心	2021	6	在线阅读下载PDF 职称材料