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
2
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
基于WATD-MTF与改进的残差网络齿轮箱故障诊断研究
1
作者
沈景涛
武哲
+2 位作者
张强
崔彦平
曹亚超
《振动与冲击》
北大核心
2025年第7期247-257,共11页
针对齿轮箱工作环境复杂多变含噪声大、不同工况下模型泛化性能弱而导致训练准确率低等问题,提出一种小波自适应阈值降噪(wavelet adaptive threshold denoise,WATD)结合马尔可夫转移场(Markov transition field,MTF)与改进的残差网络...
针对齿轮箱工作环境复杂多变含噪声大、不同工况下模型泛化性能弱而导致训练准确率低等问题,提出一种小波自适应阈值降噪(wavelet adaptive threshold denoise,WATD)结合马尔可夫转移场(Markov transition field,MTF)与改进的残差网络齿轮箱故障诊断方法。在ResNet18模型的基础上融合了SKNet注意力网络,构成了SK-ResNet18模型,来提高ResNet18模型对重要特征的提取能力。利用WATD算法对一维信号进行去噪,将去噪后的一维信号生成包含时序信息的MTF二维特征图,并输入到改进后的网络中进行特征提取,最终利用网络全连接层实现对故障种类的精确识别。利用东南大学齿轮故障数据集和QPZZ-II试验台采集的齿轮故障数据对该方法进行试验验证,结果表明:该方法能有效识别故障类型,相比其它智能算法,该方法在数据降噪后与不同工况下均表现出较高的优越性和可泛化性能。所提方法可为实际工业的齿轮箱故障诊断任务提供一定的参考价值。
展开更多
关键词
故障诊断
SKNet注意力网络
小波自适应阈值降噪(WATD)
马尔可夫转移场(MTF)
残差网络
在线阅读
下载PDF
职称材料
基于频率切片小波变换和注意力增强ConvNeXt模型的行星齿轮箱故障诊断
2
作者
崔素晓
武哲
+2 位作者
崔彦平
张强
赵月静
《兵工学报》
北大核心
2025年第2期155-164,共10页
针对传统手工提取故障特征过度依赖专家的先验知识,导致信息提取不完全、效率低、成本高、漏诊误诊的问题,提出一种基于频率切片小波变换(Frequency Slice Wavelet Transform,FSWT)和注意力增强ConvNeXt模型的新方法,用于行星齿轮箱故...
针对传统手工提取故障特征过度依赖专家的先验知识,导致信息提取不完全、效率低、成本高、漏诊误诊的问题,提出一种基于频率切片小波变换(Frequency Slice Wavelet Transform,FSWT)和注意力增强ConvNeXt模型的新方法,用于行星齿轮箱故障诊断。该方法在ConvNeXt模型基础上融合卷积注意力模块(Convolutional Block Attention Module,CBAM),使网络更加聚焦于关键区域的特征,减小无关目标的干扰。通过FSWT将一维振动信号转化为具有二维特征的时频谱图像,输入到改进后的网络中进行自动特征提取,并建立特征空间与故障空间之间的映射关系,实现不同故障模式的准确区分。利用动力传动模拟实验台数据对所提方法进行实验验证,结果表明:相较于其他网络模型,改进后的ConvNeXt模型能够准确识别出齿轮特定类型的故障,且噪声干扰下依旧展现出良好的鲁棒性。所得研究成果可为行星齿轮箱智能故障诊断提供参考。
展开更多
关键词
行星齿轮箱
频率切片小波变换
注意力机制
ConvNeXt模型
故障诊断
在线阅读
下载PDF
职称材料
题名
基于WATD-MTF与改进的残差网络齿轮箱故障诊断研究
1
作者
沈景涛
武哲
张强
崔彦平
曹亚超
机构
河北科技大学机械工程学院
中国北方车辆研究所坦克传动国防重点实验室
出处
《振动与冲击》
北大核心
2025年第7期247-257,共11页
基金
中央引导地方科技发展资金项目(226Z1906G,246Z4502G)
河北省教育厅科学研究项目资助(CXY2024038)
石家庄市科技局驻冀高校基础研究项目(241791157A)。
文摘
针对齿轮箱工作环境复杂多变含噪声大、不同工况下模型泛化性能弱而导致训练准确率低等问题,提出一种小波自适应阈值降噪(wavelet adaptive threshold denoise,WATD)结合马尔可夫转移场(Markov transition field,MTF)与改进的残差网络齿轮箱故障诊断方法。在ResNet18模型的基础上融合了SKNet注意力网络,构成了SK-ResNet18模型,来提高ResNet18模型对重要特征的提取能力。利用WATD算法对一维信号进行去噪,将去噪后的一维信号生成包含时序信息的MTF二维特征图,并输入到改进后的网络中进行特征提取,最终利用网络全连接层实现对故障种类的精确识别。利用东南大学齿轮故障数据集和QPZZ-II试验台采集的齿轮故障数据对该方法进行试验验证,结果表明:该方法能有效识别故障类型,相比其它智能算法,该方法在数据降噪后与不同工况下均表现出较高的优越性和可泛化性能。所提方法可为实际工业的齿轮箱故障诊断任务提供一定的参考价值。
关键词
故障诊断
SKNet注意力网络
小波自适应阈值降噪(WATD)
马尔可夫转移场(MTF)
残差网络
Keywords
fault diagnosis
SKNet attention network
wavelet adaptive threshold denoise(WATD)
Markov transition field(MTF)
residual network
分类号
TH132.41 [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
基于频率切片小波变换和注意力增强ConvNeXt模型的行星齿轮箱故障诊断
2
作者
崔素晓
武哲
崔彦平
张强
赵月静
机构
河北科技大学机械工程学院
中国北方车辆研究所坦克传动国防重点实验室
出处
《兵工学报》
北大核心
2025年第2期155-164,共10页
基金
中央引导地方科技发展资金项目(226Z1906G)
河北省教育厅科学研究项目资助(CXY2024038)
石家庄市驻冀高校基础研究项目(241791157A)。
文摘
针对传统手工提取故障特征过度依赖专家的先验知识,导致信息提取不完全、效率低、成本高、漏诊误诊的问题,提出一种基于频率切片小波变换(Frequency Slice Wavelet Transform,FSWT)和注意力增强ConvNeXt模型的新方法,用于行星齿轮箱故障诊断。该方法在ConvNeXt模型基础上融合卷积注意力模块(Convolutional Block Attention Module,CBAM),使网络更加聚焦于关键区域的特征,减小无关目标的干扰。通过FSWT将一维振动信号转化为具有二维特征的时频谱图像,输入到改进后的网络中进行自动特征提取,并建立特征空间与故障空间之间的映射关系,实现不同故障模式的准确区分。利用动力传动模拟实验台数据对所提方法进行实验验证,结果表明:相较于其他网络模型,改进后的ConvNeXt模型能够准确识别出齿轮特定类型的故障,且噪声干扰下依旧展现出良好的鲁棒性。所得研究成果可为行星齿轮箱智能故障诊断提供参考。
关键词
行星齿轮箱
频率切片小波变换
注意力机制
ConvNeXt模型
故障诊断
Keywords
planetary gearbox
frequency slice wavelet transform
attention mechanism
ConvNeXt model
fault diagnosis
分类号
TH132.425 [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
基于WATD-MTF与改进的残差网络齿轮箱故障诊断研究
沈景涛
武哲
张强
崔彦平
曹亚超
《振动与冲击》
北大核心
2025
0
在线阅读
下载PDF
职称材料
2
基于频率切片小波变换和注意力增强ConvNeXt模型的行星齿轮箱故障诊断
崔素晓
武哲
崔彦平
张强
赵月静
《兵工学报》
北大核心
2025
0
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
