-
题名欧姆龙荣膺“跨国公司中国贡献奖”
- 1
-
-
-
机构
欧姆龙(中国)有限公司
-
出处
《城市轨道交通研究》
2008年第12期75-75,共1页
-
-
关键词
跨国公司
欧姆龙
中国
钓鱼台国宾馆
摩托罗拉
英特尔
IBM
论坛
-
分类号
F276.7
[经济管理—企业管理]
-
-
题名欧姆龙荣获“2008亚洲企业奖”
- 2
-
-
-
机构
欧姆龙(中国)有限公司
-
出处
《城市轨道交通研究》
2008年第10期67-67,共1页
-
-
关键词
欧姆龙
制造业
汽车产业
企业发展
-
分类号
F713.83
[经济管理—广告]
F416.4
[经济管理—产业经济]
-
-
题名基于对比学习的滚动轴承早期故障在线检测方法
被引量：5
- 3
-
-
作者
王岩红
温笑欢
揭永琴
王少伟
-
机构
上海工程技术大学管理学院
欧姆龙(中国)有限公司
-
出处
《振动与冲击》
EI
CSCD
北大核心
2023年第14期229-236,共8页
-
基金
中国科协“科技智库青年人才计划”(20220615ZZ07110408)
上海市软科学研究领域重点研究项目(21692105300)
教育部人文社科青年基金(20YJC630150)。
-
文摘
早期故障检测不仅是故障诊断与设备健康管理的难点,也是工业生产实践中亟待攻坚的技术重点。该研究在工业大数据驱动视域下,提出了一种基于对比学习的滚动轴承异常及早期故障在线检测方法。首先,建立一个基于深度可分离卷积及残差连接的深度编码器,在能有效提取信号特征的同时进一步降低模型参数量和计算量;其次,设置特定代理任务以实现基于对比学习方法的无监督编码器训练,使编码器胜任不同采样点信号之间差异的学习任务;最后,通过训练后的编码器对信号进行特征提取,并设计一种在线检测算法,该算法能够识别并区分滚动轴承的异常及早期故障。该研究引入XJTU-SY数据集对上述方法进行验证,结果表明,与现有无监督故障检测方法相比,该方法准确性高,时效性强,丰富了不同工况下轴承全生命周期的健康管理方法。
-
关键词
设备健康管理
预测性维护
异常检测
早期故障检测
对比学习
深度可分离卷积
-
Keywords
prognostics and health management
predictive maintenance
abnormality detection
incipient fault detection
contrastive learning
depth-wise separable convolution
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
TP277
[自动化与计算机技术—检测技术与自动化装置]
-
