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9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：
基于多层域适应的无标签数据故障诊断方法 被引量：1
1
作者 王进花 刘瑞 曹洁 《北京航空航天大学学报》 北大核心 2025年第4期1185-1194,共10页
在工业生产中,由于源域数据和目标域数据分布有差异且有标签的故障数据量较少,以至于现有的域适应轴承故障诊断方法大多精度不高。基于此,提出多层域适应神经网络(MDANN)故障诊断方法,用于无标签数据的滚动轴承故障诊断。使用小波包分... 在工业生产中,由于源域数据和目标域数据分布有差异且有标签的故障数据量较少,以至于现有的域适应轴承故障诊断方法大多精度不高。基于此,提出多层域适应神经网络(MDANN)故障诊断方法,用于无标签数据的滚动轴承故障诊断。使用小波包分解与重构(WPT)对原始振动信号进行处理,以降低信号冗余并避免关键信号特征遗失;利用多核最大均值差异(MKMMD)算法对输入特征值进行差异计算,并通过反向传播更新多层域适应神经网络的参数,使其能够提取域不变特征;为保证无标签目标域数据可以正常参与网络训练,使用最大概率标签作为真实标签的伪标签策略,解决目标域无标签数据无法训练问题,增强模型可靠诊断知识的获取。采用2个公开数据集CWRU和PU进行验证。实验结果表明:所提方法与常见的域适应方法对比具有更高的诊断精度,说明该方法能够有效地学习可迁移特征,拟合2个数据集之间的数据分布差异。 展开更多
关键词 滚动轴承 故障诊断 迁移学习 多层域适应 伪标签策略
在线阅读 下载PDF
基于AESL-GA的BN球磨机滚动轴承故障诊断方法 被引量：3
2
作者 王进花 汤国栋 +1 位作者 曹洁 李亚洁 《北京航空航天大学学报》 EI CAS CSCD 北大核心 2024年第4期1138-1146,共9页
针对基于知识的贝叶斯网络(BN)构建方法存在不完全和不精确的缺点,提出一种基于知识引导和数据挖掘的BN结构构建方法。针对单一信号故障诊断结果不精确的问题和故障信息中存在的不确定性问题,将电流信号与振动信号融合建立BN的特征节点... 针对基于知识的贝叶斯网络(BN)构建方法存在不完全和不精确的缺点,提出一种基于知识引导和数据挖掘的BN结构构建方法。针对单一信号故障诊断结果不精确的问题和故障信息中存在的不确定性问题,将电流信号与振动信号融合建立BN的特征节点,分别提取2种信号的故障特征参数,利用区分度指标法进行特征筛选,将其作为BN结构特征层的节点。将专家知识构建的初始BN结构结合自适应精英结构遗传算法(AESL-GA)进行结构优化,通过自适应限制进化过程中的搜索空间,减少自由参数的数量,提高其全局搜索能力,得到最优BN结构。通过MQY5585溢流型球磨机滚动轴承实测数据和Paderborn University轴承数据集对所提方法进行验证,结果证明了所提方法的有效性。 展开更多
关键词 贝叶斯网络 故障诊断 自适应精英结构遗传算法 滚动轴承 信号融合
在线阅读 下载PDF
基于AM和CNN的多级特征融合的风力发电机轴承故障诊断方法 被引量：10
3
作者 王进花 韩金玉 +1 位作者 曹洁 王亚丽 《太阳能学报》 EI CAS CSCD 北大核心 2024年第5期51-61,共11页
提出一种基于注意力机制的多级特征融合卷积神经网络(A2ML2F-CNN)故障诊断方法。该方法将原始电流和振动信号作为输入,首先使用基于注意力卷积神经网络(AMCNN)模块分别进行数据信号特征提取,并进行一级特征融合连接。在此基础上,再次分... 提出一种基于注意力机制的多级特征融合卷积神经网络(A2ML2F-CNN)故障诊断方法。该方法将原始电流和振动信号作为输入,首先使用基于注意力卷积神经网络(AMCNN)模块分别进行数据信号特征提取,并进行一级特征融合连接。在此基础上,再次分别采用注意力机制一维卷积神经网(AM1DCNN)和二维卷积神经网络(2DCNN)提取相关信息,并进行二级特征融合,以此来解决单传感器数据故障信息不足及互补特征难以提取的问题,最后采用全连接层和Softmax层进行分类,得到诊断结果。为验证所提方法的故障诊断效果,通过帕德伯恩数据集进行实验验证,并将其与CNN、LSTM、SVM等方法的诊断精度进行对比,相较于上述方法,该文方法的诊断准确率分别提高1.8、3.2和4.8个百分点,验证了所提方法的有效性。 展开更多
关键词 风力机 故障诊断 特征融合 注意力机制 卷积神经网络 风力发电机轴承
在线阅读 下载PDF
MACDCGAN的发电机轴承故障诊断方法 被引量：1
4
作者 曹洁 尹浩楠 王进花 《振动与冲击》 EI CSCD 北大核心 2024年第11期227-235,共9页
在实际工况中,发电机中传感器采集到的故障样本数据有限,使用基于深度学习的方法进行故障诊断存在过拟合问题导致模型泛化能力较差以及诊断精度不高。为了解决这个问题,采用样本扩充的思路,提出了一种改进的辅助分类器条件深度卷积生成... 在实际工况中,发电机中传感器采集到的故障样本数据有限,使用基于深度学习的方法进行故障诊断存在过拟合问题导致模型泛化能力较差以及诊断精度不高。为了解决这个问题,采用样本扩充的思路,提出了一种改进的辅助分类器条件深度卷积生成对抗网络(MACDCGAN)的故障诊断方法。通过对采集的一维时序信号进行小波变换增强特征,构建简化结构参数的条件深度卷积生成对抗网络模型生成样本,并在模型中采用Wasserstein距离优化损失函数解决训练过程中存在模式崩塌和梯度消失的缺点;通过添加一个独立的分类器来改进分类模型的兼容性,并在分类器中引入学习率衰减算法增加模型稳定性。试验结果表明,该方法可以有效地提高故障诊断的精度,并且验证了所提模型具有良好的泛化性能。 展开更多
关键词 发电机 特征提取 生成对抗网络(GAN) 卷积神经网络(CNN) 故障诊断
在线阅读 下载PDF
基于领域自适应的变工况轴承故障诊断 被引量：1
5
作者 曹洁 尹浩楠 +1 位作者 雷晓刚 王进花 《北京航空航天大学学报》 EI CAS CSCD 北大核心 2024年第8期2382-2390,共9页
针对轴承故障诊断中存在训练样本和测试样本分布不同及各类故障数据不平衡导致故障识别率低的问题,设计了一种基于改进残差网络(ResNet)的领域自适应故障诊断方法。在诊断网络第1层使用多维度卷积结构进行特征提取,得到不同维度的故障... 针对轴承故障诊断中存在训练样本和测试样本分布不同及各类故障数据不平衡导致故障识别率低的问题,设计了一种基于改进残差网络(ResNet)的领域自适应故障诊断方法。在诊断网络第1层使用多维度卷积结构进行特征提取,得到不同维度的故障特征信息;在领域自适应层采用局部最大平均差异(LMMD)对齐源域和目标域的分布,获取更多细粒度信息;使用类平衡损失函数(CBLoss)解决不平衡数据的训练问题,以Adam优化网络实现故障诊断。实验结果表明,所提方法可在故障样本类别不平衡下有较高的诊断结果。在2个轴承数据集和采集的风力发电机数据上进行实验验证,结果表明,所提方法具有一定的优越性,在数据样本不平衡情况下,诊断性能优于深度神经网络和领域自适应网络等深度迁移学习方法,可作为一种有效的跨工况故障分析方法。 展开更多
关键词 故障诊断 残差网络 数据不平衡 局部最大平均差异 类平衡损失函数 轴承
在线阅读 下载PDF
改进SwinIR的多特征融合图像超分辨率重建
6
作者 王进花 魏婷 +1 位作者 曹洁 陈莉 《西安电子科技大学学报》 CSCD 北大核心 2024年第6期171-181,共11页
针对目前基于先进方法SwinIR在图像超分辨率重建过程中,存在对低分辨率图像局部信息建模能力不足导致特征提取不充分使重建图像质量不佳的问题,提出了一种改进SwinIR的多特征融合图像超分辨率重建方法。所提算法在深层特征提取模块部分... 针对目前基于先进方法SwinIR在图像超分辨率重建过程中,存在对低分辨率图像局部信息建模能力不足导致特征提取不充分使重建图像质量不佳的问题,提出了一种改进SwinIR的多特征融合图像超分辨率重建方法。所提算法在深层特征提取模块部分,首先设计了若干个串联的残差Swin Transformer块(RSTB),利用RSTB的Swin Transformer层进行长距离依赖建模提取图像的高频信息,使用残差连接实现不同级别特征聚合。其次,设计了交替串联的空间注意力模块和通道注意力模块,弥补RSTB局部建模能力的不足,使网络能够捕捉到图像空间与通道维度遗漏的上下文信息,促进边缘细节信息的重建。最后,通过长跳跃连接将浅层特征与深层特征求和进行融合传输到重建模块进行高质量图像重建。实验结果表明:在放大倍数为2、3、4的4个测试集上,所提改进算法相较SwinIR在峰值信噪比和结构相似度上均取得了较好的结果,而且在视觉效果上重建图像的边缘结构和整体轮廓都更加清晰。 展开更多
关键词 图像超分辨率重建 Swin Transformer 空间注意力 通道注意力 多特征融合
在线阅读 下载PDF
基于多特征融合与RF的球磨机滚动轴承故障诊断 被引量：4
7
作者 王进花 周德义 +1 位作者 曹洁 李亚洁 《北京航空航天大学学报》 EI CAS CSCD 北大核心 2023年第12期3253-3264,共12页
由于冶金工业工况复杂,很难从单一信号中获取高质量的故障特征,诊断效果不佳。针对直接使用电流和振动信号进行融合,不能体现2类信号在不同频段上的优势和彼此之间的互补信息,而影响诊断性能的问题,提出一种基于振动和电流信号的多特征... 由于冶金工业工况复杂,很难从单一信号中获取高质量的故障特征,诊断效果不佳。针对直接使用电流和振动信号进行融合,不能体现2类信号在不同频段上的优势和彼此之间的互补信息,而影响诊断性能的问题,提出一种基于振动和电流信号的多特征互补融合故障诊断方法。将振动信号和电流信号的高频系数特征通过最大绝对值规则融合,形成体现高频段特征的互补特征;将振动信号和电流信号的低频系数特征通过稀疏表示(SR)融合,形成体现低频段特征的互补特征。通过定义由多特征组成的特征矩阵融合全频段特征,增强全局特征表征能力。采用递归特征消除法消除融合后的冗余特征,提高分类精度,结合随机森林(RF)对轴承故障状态进行分类。实验结果表明:所提方法相比基于振动信号和基于电流信号的诊断结果更加准确。 展开更多
关键词 特征融合 故障诊断 球磨机 特征提取 随机森林
在线阅读 下载PDF
基于AE-IFCM的轴承故障诊断方法 被引量：3
8
作者 王进花 王跃龙 +1 位作者 黄涛 曹洁 《太阳能学报》 EI CAS CSCD 北大核心 2022年第7期310-315,共6页
针对传统模糊聚类(FCM)方法对故障进行聚类的依据是原始数据之间的相似性,在滚动轴承的故障诊断中无法提取轴承数据的深层特征,对于耦合故障、微弱故障等复杂情况下,不同故障的特征难以有效区分,导致故障诊断准确率较低的问题,提出AE-I... 针对传统模糊聚类(FCM)方法对故障进行聚类的依据是原始数据之间的相似性,在滚动轴承的故障诊断中无法提取轴承数据的深层特征,对于耦合故障、微弱故障等复杂情况下,不同故障的特征难以有效区分,导致故障诊断准确率较低的问题,提出AE-IFCM轴承故障诊断方法。利用自动编码器(AE)网络提取轴承故障的样本特征,再利用改进的FCM(IFCM)进行故障诊断,通过对AE网络提取的抽象特征聚类,不仅可最大限度地利用样本数据,也能降低模型陷入局部极小值的风险。通过在凯斯西储大学轴承故障数据集中的实验表明,AE-IFCM能提高轴承故障诊断的准确性。 展开更多
关键词 故障诊断 自编码器 模糊聚类 滚动轴承
在线阅读 下载PDF
基于AE-BN的发电机滚动轴承故障诊断 被引量：2
9
作者 王进花 高媛 +1 位作者 曹洁 马佳林 《北京航空航天大学学报》 EI CAS CSCD 北大核心 2023年第8期1896-1903,共8页
为解决风力发电机在复杂工况及耦合性、不确定性条件下故障识别的准确性问题,提出了一种基于自动编码器(AE)与贝叶斯网络(BN)的AE-BN故障诊断方法。采用AE对电流信号进行特征提取,得到能够高度表征信号的特征分量;基于故障与特征之间的... 为解决风力发电机在复杂工况及耦合性、不确定性条件下故障识别的准确性问题,提出了一种基于自动编码器(AE)与贝叶斯网络(BN)的AE-BN故障诊断方法。采用AE对电流信号进行特征提取,得到能够高度表征信号的特征分量;基于故障与特征之间的因果关系,建立由故障位置、故障状态和故障特征搭建的三层BN;将AE的特征分量与BN的拓扑结构相结合建立风力发电机故障诊断模型,解决故障诊断中的不确定性问题,提高多故障诊断的准确性。实验结果表明:所提方法能够对故障特征信号进行分析及诊断,精确辨识不同故障类型,相比K近邻算法等具有明显优势。 展开更多
关键词 故障诊断 自动编码器 贝叶斯网络 结构学习 特征提取
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 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