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
3
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
基于知识图谱的风电机组诊断系统构建与应用
被引量：
1
1
作者
陈宏
陈新财
+2 位作者
巩晓赟
韩东洋
刘华杰
《郑州大学学报（工学版）》
CAS
北大核心
2023年第6期54-60,98,共8页
针对风力发电机故障诊断与维修过程不明确以及历史故障数据记录大量遗留等问题,提出一种以知识图谱的方式构建的风力发电机故障诊断系统。首先,通过改进的命名实体识别模型BERT-BiLSTM-CRF对故障文本进行知识抽取。数据集采用了近10年...
针对风力发电机故障诊断与维修过程不明确以及历史故障数据记录大量遗留等问题,提出一种以知识图谱的方式构建的风力发电机故障诊断系统。首先,通过改进的命名实体识别模型BERT-BiLSTM-CRF对故障文本进行知识抽取。数据集采用了近10年来的风力发电机故障案例、事故分析等文本数据。实验结果表明:在风力发电机故障领域中,改进的实体识别方法相比于传统模型效果提升了2.54%。其次,对抽取的知识实体进行结构化分析,由于传统故障树在实际故障推理中缺乏目的性,且每个底事件相对于顶事件的重要性不同,提出以故障的特征属性为分支条件引入到故障树推理中,完成故障树定性与定量分析,并结合故障模式影响和危害性分析(FMECA)完善故障领域知识模型;再对知识结构完成本体化建模,使用Protégé开发工具对故障树结构完成了基于六元组概念的本体建模,使构建的本体知识库满足推理的前提条件。最后,通过Neo4j实现知识模型的可视化,并提升了知识数据的读写能力。
展开更多
关键词
知识图谱
知识抽取
风力发电机
故障诊断
本体
在线阅读
下载PDF
职称材料
火电厂故障诊断文本的实体抽取模型构建
2
作者
陈宏
王云博
+1 位作者
穆思澎
陈阳
《重庆理工大学学报（自然科学）》
CAS
北大核心
2024年第11期206-212,共7页
针对火电厂故障诊断领域文本存在实体边界模糊、文本特征不够充分、模型识别效果不明显等问题,提出一种改进BERT-BiLSTM-CRF故障诊断领域文本实体识别模型。为了提高BERT模型在中文语境下的性能,对模型参数进行改进,使用对抗训练方法提...
针对火电厂故障诊断领域文本存在实体边界模糊、文本特征不够充分、模型识别效果不明显等问题,提出一种改进BERT-BiLSTM-CRF故障诊断领域文本实体识别模型。为了提高BERT模型在中文语境下的性能,对模型参数进行改进,使用对抗训练方法提高模型精度,使模型F1值提高0.0206。对已构建的数据集进行实体命名识别实验,实验结果表明:改进BERT-BiLSTM-CRF实体识别模型在数据集上的F1值达到0.9016,相较于其他模型F1值有所提升,验证了该模型的有效性。
展开更多
关键词
实体命名识别
预训练语言模型
火电厂
故障诊断
对抗训练
在线阅读
下载PDF
职称材料
基于主成分分析和BP神经网络的钢丝绳断丝定量检测方法
被引量：
11
3
作者
刘志怀
秦芳
+2 位作者
刘娜
黄祖坤
刘学斌
《振动与冲击》
EI
CSCD
北大核心
2018年第18期271-276,共6页
针对目前钢丝绳断丝定量检测中存在的问题,充分利用主成分分析与BP神经网络的优点,提出了基于主成分分析与BP神经网络相结合的钢丝绳断丝定量检测方法。采用主成分分析法对钢丝绳断丝信号的原始特征属性进行预处理,得到钢丝绳断丝信号...
针对目前钢丝绳断丝定量检测中存在的问题,充分利用主成分分析与BP神经网络的优点,提出了基于主成分分析与BP神经网络相结合的钢丝绳断丝定量检测方法。采用主成分分析法对钢丝绳断丝信号的原始特征属性进行预处理,得到钢丝绳断丝信号主成分特征属性,并以此作为BP神经网络的输入,建立钢丝绳断丝信号主成分特征属性与断丝数目之间的关系,并对钢丝绳断丝数目进行预测;主成分分析方法减少了原始特征属性的维数,消除了属性之间的相关性;同时,主成分特征属性作为BP神经网络的输入,也简化了网络的结构。实例测试结果表明,基于主成分分析的神经网络钢丝绳断丝检测方法与常规BP神经网络方法相比,具有更高的检测精度和更少的计算量。
展开更多
关键词
钢丝绳
断丝
主成分分析(PCA)
神经网络
在线阅读
下载PDF
职称材料
题名
基于知识图谱的风电机组诊断系统构建与应用
被引量：
1
1
作者
陈宏
陈新财
巩晓赟
韩东洋
刘华杰
机构
郑州大学机械与动力工程
学院
哈密职业技术学院机电系
郑州轻工业大学
机电
工程
学院
出处
《郑州大学学报（工学版）》
CAS
北大核心
2023年第6期54-60,98,共8页
基金
国家自然科学基金资助项目(52275138)
哈密职业技术学院的自治区人才发展专项资金(2023)。
文摘
针对风力发电机故障诊断与维修过程不明确以及历史故障数据记录大量遗留等问题,提出一种以知识图谱的方式构建的风力发电机故障诊断系统。首先,通过改进的命名实体识别模型BERT-BiLSTM-CRF对故障文本进行知识抽取。数据集采用了近10年来的风力发电机故障案例、事故分析等文本数据。实验结果表明:在风力发电机故障领域中,改进的实体识别方法相比于传统模型效果提升了2.54%。其次,对抽取的知识实体进行结构化分析,由于传统故障树在实际故障推理中缺乏目的性,且每个底事件相对于顶事件的重要性不同,提出以故障的特征属性为分支条件引入到故障树推理中,完成故障树定性与定量分析,并结合故障模式影响和危害性分析(FMECA)完善故障领域知识模型;再对知识结构完成本体化建模,使用Protégé开发工具对故障树结构完成了基于六元组概念的本体建模,使构建的本体知识库满足推理的前提条件。最后,通过Neo4j实现知识模型的可视化,并提升了知识数据的读写能力。
关键词
知识图谱
知识抽取
风力发电机
故障诊断
本体
Keywords
knowledge graph
knowledge extraction
wind turbine
fault diagnosis
ontology
分类号
TP391 [自动化与计算机技术—计算机应用技术]
TK8 [动力工程及工程热物理—流体机械及工程]
在线阅读
下载PDF
职称材料
题名
火电厂故障诊断文本的实体抽取模型构建
2
作者
陈宏
王云博
穆思澎
陈阳
机构
郑州大学机械与动力工程
学院
哈密职业技术学院机电系
陕西科技大学阿尔斯特
学院
出处
《重庆理工大学学报（自然科学）》
CAS
北大核心
2024年第11期206-212,共7页
基金
国家自然科学基金项目(52275138)。
文摘
针对火电厂故障诊断领域文本存在实体边界模糊、文本特征不够充分、模型识别效果不明显等问题,提出一种改进BERT-BiLSTM-CRF故障诊断领域文本实体识别模型。为了提高BERT模型在中文语境下的性能,对模型参数进行改进,使用对抗训练方法提高模型精度,使模型F1值提高0.0206。对已构建的数据集进行实体命名识别实验,实验结果表明:改进BERT-BiLSTM-CRF实体识别模型在数据集上的F1值达到0.9016,相较于其他模型F1值有所提升,验证了该模型的有效性。
关键词
实体命名识别
预训练语言模型
火电厂
故障诊断
对抗训练
Keywords
entity naming recognition
pre-trained language model
thermal power plants
fault diagnosis
adversarial training
分类号
TP391.1 [自动化与计算机技术—计算机应用技术]
TK268 [动力工程及工程热物理—动力机械及工程]
在线阅读
下载PDF
职称材料
题名
基于主成分分析和BP神经网络的钢丝绳断丝定量检测方法
被引量：
11
3
作者
刘志怀
秦芳
刘娜
黄祖坤
刘学斌
机构
河南理工大学现代教育
技术
中心
哈密
豫新能源产业研究院有限责任公司
华北科技
学院
环境工程
学院
哈密
职业
技术
学院
信息网络中心
哈密职业技术学院机电系
出处
《振动与冲击》
EI
CSCD
北大核心
2018年第18期271-276,共6页
基金
新疆维吾尔自治区科技支疆项目(2013911038)
中央高校基本科研业务费资助项目(3142015009)
文摘
针对目前钢丝绳断丝定量检测中存在的问题,充分利用主成分分析与BP神经网络的优点,提出了基于主成分分析与BP神经网络相结合的钢丝绳断丝定量检测方法。采用主成分分析法对钢丝绳断丝信号的原始特征属性进行预处理,得到钢丝绳断丝信号主成分特征属性,并以此作为BP神经网络的输入,建立钢丝绳断丝信号主成分特征属性与断丝数目之间的关系,并对钢丝绳断丝数目进行预测;主成分分析方法减少了原始特征属性的维数,消除了属性之间的相关性;同时,主成分特征属性作为BP神经网络的输入,也简化了网络的结构。实例测试结果表明,基于主成分分析的神经网络钢丝绳断丝检测方法与常规BP神经网络方法相比,具有更高的检测精度和更少的计算量。
关键词
钢丝绳
断丝
主成分分析(PCA)
神经网络
Keywords
steal rope
broken wire
principal component analysis(PCA)
artificial neural network model
分类号
TP532 [自动化与计算机技术]
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
基于知识图谱的风电机组诊断系统构建与应用
陈宏
陈新财
巩晓赟
韩东洋
刘华杰
《郑州大学学报（工学版）》
CAS
北大核心
2023
1
在线阅读
下载PDF
职称材料
2
火电厂故障诊断文本的实体抽取模型构建
陈宏
王云博
穆思澎
陈阳
《重庆理工大学学报（自然科学）》
CAS
北大核心
2024
0
在线阅读
下载PDF
职称材料
3
基于主成分分析和BP神经网络的钢丝绳断丝定量检测方法
刘志怀
秦芳
刘娜
黄祖坤
刘学斌
《振动与冲击》
EI
CSCD
北大核心
2018
11
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
