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
6
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BNN-RA模型的风电机组轴承故障诊断研究
1
作者
余萍
宋紫琼
+1 位作者
曹洁
陈息良
《太阳能学报》
北大核心
2025年第3期643-651,共9页
针对风电机组轴承故障诊断中特征提取困难,模型迭代速度慢,精度低的问题,该文提出一种基于改进二值化神经网络(BNN)的风电机组轴承故障诊断方法。首先采用格拉姆角场(GAF)将轴承振动信号转换为二维图像,以提高特征提取精度,然后结合深...
针对风电机组轴承故障诊断中特征提取困难,模型迭代速度慢,精度低的问题,该文提出一种基于改进二值化神经网络(BNN)的风电机组轴承故障诊断方法。首先采用格拉姆角场(GAF)将轴承振动信号转换为二维图像,以提高特征提取精度,然后结合深度残差网络和注意力机制构建BNN-RA(BNN+Residual Network+Spatial attention network structure)故障诊断模型,实现轴承的高效故障诊断,最终通过美国凯斯西储大学(CWRU)与江南大学(JNU)公开的轴承数据集进行方法有效性验证。结果表明,该方法可有效提高网络迭代速度和诊断精度,模型在CWRU轴承数据集单一工况下迭代11次可达到收敛,故障诊断准确率达到99.20%,在两数据集的不同工况下平均准确率可达98.46%与97.6%。
展开更多
关键词
风电机组
故障诊断
轴承
二值化神经网络
格拉姆角场
在线阅读
下载PDF
职称材料
电动汽车IGBT剩余使用寿命预测
2
作者
杜先君
王紫阳
《兰州理工大学学报》
CAS
北大核心
2024年第2期77-86,共10页
引入一种基于贝叶斯优化(BOA)的双向长短时记忆网络(Bi-LSTM),同时结合注意力机制,应用于绝缘栅双极型晶体管(IGBT)剩余使用寿命预测,所提方法可有效提高IGBT剩余使用寿命预测的准确性.通过IGBT加速老化试验收集V CE-on,验证了其作为失...
引入一种基于贝叶斯优化(BOA)的双向长短时记忆网络(Bi-LSTM),同时结合注意力机制,应用于绝缘栅双极型晶体管(IGBT)剩余使用寿命预测,所提方法可有效提高IGBT剩余使用寿命预测的准确性.通过IGBT加速老化试验收集V CE-on,验证了其作为失效特征参数的可行性,并将其作为实验数据集对所提方法进行仿真验证.实验分析结果表明,所提的混合预测模型与经典LSTM及其他预测模型相比,有更低的退化预测误差,具备较高的理论意义和实践价值.
展开更多
关键词
电动汽车IGBT
剩余寿命预测
贝叶斯优化算法
注意力机制
双向长短时记忆网络
在线阅读
下载PDF
职称材料
优化堆叠降噪自动编码器滚动轴承故障诊断
被引量:
22
3
作者
余萍
曹洁
《太阳能学报》
EI
CAS
CSCD
北大核心
2021年第11期307-314,共8页
针对深度堆叠降噪自动编码器(SDAE)网络超参数采用经验枚举获得时存在的泛化能力较弱,且选参过程与设计人员经验有关,效率低等问题,利用新设计的人工变性天牛算法(ATLA)对SDAE网络超参数进行自适应选取,并确定网络结构,训练得到故障状...
针对深度堆叠降噪自动编码器(SDAE)网络超参数采用经验枚举获得时存在的泛化能力较弱,且选参过程与设计人员经验有关,效率低等问题,利用新设计的人工变性天牛算法(ATLA)对SDAE网络超参数进行自适应选取,并确定网络结构,训练得到故障状态的特征表示,最后输入到Softmax分类层进行故障检测,并确定故障类别。通过变工况下滚动轴承故障诊断仿真实验验证,该文所提出的ATLA-SDAE诊断方法在泛化性能、故障识别率等方面均优于BP神经网络、支持向量机(SVM)以及卷积神经网络(CNN)方法,能够从海量数据中自适应地提取更深层次的故障特征,可避免手动设计和提取故障特征的繁琐过程,更有利于提高故障分类的精度和诊断效率。
展开更多
关键词
风电机组
堆叠降噪自动编码器
超参数
人工变性天牛算法
故障诊断
滚动轴承
在线阅读
下载PDF
职称材料
液压型风力发电机组调速系统的DMC预测控制方法研究
被引量:
10
4
作者
刘微容
魏域林
+2 位作者
刘婕
刘朝荣
任成文
《太阳能学报》
EI
CAS
CSCD
北大核心
2021年第3期71-75,共5页
以液压型风力发电机组调速系统为研究对象,针对变量马达的恒转速控制问题,结合动态矩阵控制(DMC)原理,提出一种基于DMC的液压型风力发电机组调速系统预测控制方法,并通过Simulink-AMESim联合仿真技术分析预测步长与控制步长对转速控制...
以液压型风力发电机组调速系统为研究对象,针对变量马达的恒转速控制问题,结合动态矩阵控制(DMC)原理,提出一种基于DMC的液压型风力发电机组调速系统预测控制方法,并通过Simulink-AMESim联合仿真技术分析预测步长与控制步长对转速控制的影响规律。研究结果表明,与经典PID控制方法相比,基于DMC的预测控制方法提升了液压型风力发电机组调速系统的控制性能,可为后续工程实际应用提供理论指导。
展开更多
关键词
预测控制
动态矩阵控制算法
液压型风力发电机组
调速系统
在线阅读
下载PDF
职称材料
基于图形特征的双输入卷积神经网络风力机轴承剩余寿命预测
被引量:
2
5
作者
余萍
曹洁
《太阳能学报》
EI
CAS
CSCD
北大核心
2022年第5期343-350,共8页
提出一种基于图形特征的风力机轴承剩余使用寿命(RUL)预测方法。首先,基于连续小波变换(CWT)对时域振动数据样本集进行预处理,得到用于预测的时频图形数据集。然后,采用双输入卷积神经网络(DICNN)从图形数据集中提取特征映射,用于构造...
提出一种基于图形特征的风力机轴承剩余使用寿命(RUL)预测方法。首先,基于连续小波变换(CWT)对时域振动数据样本集进行预处理,得到用于预测的时频图形数据集。然后,采用双输入卷积神经网络(DICNN)从图形数据集中提取特征映射,用于构造高性能健康指数(DICNN-HI)来表征轴承各退化阶段的状态。最后,结合DICNN-HI,采用基于高斯过程回归(GPR)的分析方法进行RUL预测,并用PRONOSTIA滚动轴承数据集进行验证。结果表明,该方法具有较高的健康指数预测精度,能有效反映滚动轴承的劣化状态,有助于实现风力机轴承的RUL预测。同时,也可为其他旋转机械设备的剩余寿命预测提供重要的理论参考,具有一定的实用价值。
展开更多
关键词
风力机轴承
双输入卷积神经网络
图形特征
剩余使用寿命
预测
在线阅读
下载PDF
职称材料
变频变异粒子滤波算法
被引量:
1
6
作者
余萍
曹洁
黄开杰
《兰州理工大学学报》
CAS
北大核心
2019年第2期103-108,共6页
针对粒子滤波算法中的粒子退化及重采样所引起的粒子多样性减弱问题,将自适应变频策略应用于免疫理论的变异操作中,并与粒子滤波相结合设计了一种新的变频变异粒子滤波算法.算法引入自适应变频算子实时调节当前时刻的变异频率,控制了变...
针对粒子滤波算法中的粒子退化及重采样所引起的粒子多样性减弱问题,将自适应变频策略应用于免疫理论的变异操作中,并与粒子滤波相结合设计了一种新的变频变异粒子滤波算法.算法引入自适应变频算子实时调节当前时刻的变异频率,控制了变异粒子的数量;再采取不同策略对粒子进行变异操作,以提高粒子对系统状态变化的适应性;最后,对新产生粒子进行权值计算,选择权值较大粒子构成新粒子集,以提高滤波精度.研究结果表明,该方法能够用更少的粒子完成高精度的估计任务,具有更高的滤波精度、粒子多样性、运算速度综合性价比.同时粒子分布更合理,在高似然区外仍然存在一定数量的粒子,为系统发生突变时保持较好的估计精度提供了条件.
展开更多
关键词
粒子滤波
变异
粒子退化
自适应变频
多样性
在线阅读
下载PDF
职称材料
题名
基于BNN-RA模型的风电机组轴承故障诊断研究
1
作者
余萍
宋紫琼
曹洁
陈息良
机构
兰州理工大学电气工程与信息工程学院
甘肃省
工业
过程
控制
重点
实验室
兰州理工大学电气与控制工程国家级
实验
教学示范中心
出处
《太阳能学报》
北大核心
2025年第3期643-651,共9页
基金
国家自然科学基金(62241307)
甘肃省科技计划项目(22YF7FA166)
兰州市科技计划项目(2023-RC-26)。
文摘
针对风电机组轴承故障诊断中特征提取困难,模型迭代速度慢,精度低的问题,该文提出一种基于改进二值化神经网络(BNN)的风电机组轴承故障诊断方法。首先采用格拉姆角场(GAF)将轴承振动信号转换为二维图像,以提高特征提取精度,然后结合深度残差网络和注意力机制构建BNN-RA(BNN+Residual Network+Spatial attention network structure)故障诊断模型,实现轴承的高效故障诊断,最终通过美国凯斯西储大学(CWRU)与江南大学(JNU)公开的轴承数据集进行方法有效性验证。结果表明,该方法可有效提高网络迭代速度和诊断精度,模型在CWRU轴承数据集单一工况下迭代11次可达到收敛,故障诊断准确率达到99.20%,在两数据集的不同工况下平均准确率可达98.46%与97.6%。
关键词
风电机组
故障诊断
轴承
二值化神经网络
格拉姆角场
Keywords
wind turbines
fault diagnosis
bearing
binarized neural networks
Gramian angular field
分类号
TH133.3 [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
电动汽车IGBT剩余使用寿命预测
2
作者
杜先君
王紫阳
机构
兰州理工大学电气工程与信息工程学院
兰州理工大学
甘肃省
工业
过程
控制
重点
实验室
出处
《兰州理工大学学报》
CAS
北大核心
2024年第2期77-86,共10页
基金
国家自然科学基金(61563032)
甘肃省教育厅创新基金(2021A-027)。
文摘
引入一种基于贝叶斯优化(BOA)的双向长短时记忆网络(Bi-LSTM),同时结合注意力机制,应用于绝缘栅双极型晶体管(IGBT)剩余使用寿命预测,所提方法可有效提高IGBT剩余使用寿命预测的准确性.通过IGBT加速老化试验收集V CE-on,验证了其作为失效特征参数的可行性,并将其作为实验数据集对所提方法进行仿真验证.实验分析结果表明,所提的混合预测模型与经典LSTM及其他预测模型相比,有更低的退化预测误差,具备较高的理论意义和实践价值.
关键词
电动汽车IGBT
剩余寿命预测
贝叶斯优化算法
注意力机制
双向长短时记忆网络
Keywords
electric vehicles of IGBT
remaining life prediction
Bayesian optimization algorithm
attention mechanism
bidirectional long short-term memory
分类号
TN322.8 [电子电信—物理电子学]
在线阅读
下载PDF
职称材料
题名
优化堆叠降噪自动编码器滚动轴承故障诊断
被引量:
22
3
作者
余萍
曹洁
机构
兰州理工大学电气工程与信息工程学院
甘肃省
工业
过程
控制
重点
实验室
兰州理工大学电气与控制工程国家级
实验
教学示范中心
出处
《太阳能学报》
EI
CAS
CSCD
北大核心
2021年第11期307-314,共8页
基金
国家自然科学基金(61763028,61563032,61963025)
甘肃省自然科学基金(1506RJZA104)。
文摘
针对深度堆叠降噪自动编码器(SDAE)网络超参数采用经验枚举获得时存在的泛化能力较弱,且选参过程与设计人员经验有关,效率低等问题,利用新设计的人工变性天牛算法(ATLA)对SDAE网络超参数进行自适应选取,并确定网络结构,训练得到故障状态的特征表示,最后输入到Softmax分类层进行故障检测,并确定故障类别。通过变工况下滚动轴承故障诊断仿真实验验证,该文所提出的ATLA-SDAE诊断方法在泛化性能、故障识别率等方面均优于BP神经网络、支持向量机(SVM)以及卷积神经网络(CNN)方法,能够从海量数据中自适应地提取更深层次的故障特征,可避免手动设计和提取故障特征的繁琐过程,更有利于提高故障分类的精度和诊断效率。
关键词
风电机组
堆叠降噪自动编码器
超参数
人工变性天牛算法
故障诊断
滚动轴承
Keywords
wind turbines
stacked denoising auto-encoder
hyperparameter
artificial transgender longicorn algorithm
fault diagnosis
rolling bearing
分类号
TG156 [金属学及工艺—热处理]
在线阅读
下载PDF
职称材料
题名
液压型风力发电机组调速系统的DMC预测控制方法研究
被引量:
10
4
作者
刘微容
魏域林
刘婕
刘朝荣
任成文
机构
兰州理工大学电气工程与信息工程学院
兰州理工大学电气与控制工程国家级
实验
教学示范中心
甘肃省工业过程重点实验室
出处
《太阳能学报》
EI
CAS
CSCD
北大核心
2021年第3期71-75,共5页
基金
甘肃省科技重大专项(17ZD2GA010)。
文摘
以液压型风力发电机组调速系统为研究对象,针对变量马达的恒转速控制问题,结合动态矩阵控制(DMC)原理,提出一种基于DMC的液压型风力发电机组调速系统预测控制方法,并通过Simulink-AMESim联合仿真技术分析预测步长与控制步长对转速控制的影响规律。研究结果表明,与经典PID控制方法相比,基于DMC的预测控制方法提升了液压型风力发电机组调速系统的控制性能,可为后续工程实际应用提供理论指导。
关键词
预测控制
动态矩阵控制算法
液压型风力发电机组
调速系统
Keywords
predictive control
dynamic matrix control
hydraulic wind turbine
speed control system
分类号
TK83 [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
基于图形特征的双输入卷积神经网络风力机轴承剩余寿命预测
被引量:
2
5
作者
余萍
曹洁
机构
兰州理工大学电气工程与信息工程学院
甘肃省
工业
过程
控制
重点
实验室
兰州理工大学电气与控制工程国家级
实验
教学示范中心
出处
《太阳能学报》
EI
CAS
CSCD
北大核心
2022年第5期343-350,共8页
基金
国家自然科学基金(61763028,61563032,61963025)
甘肃省自然科学基金(1506RJZA104)。
文摘
提出一种基于图形特征的风力机轴承剩余使用寿命(RUL)预测方法。首先,基于连续小波变换(CWT)对时域振动数据样本集进行预处理,得到用于预测的时频图形数据集。然后,采用双输入卷积神经网络(DICNN)从图形数据集中提取特征映射,用于构造高性能健康指数(DICNN-HI)来表征轴承各退化阶段的状态。最后,结合DICNN-HI,采用基于高斯过程回归(GPR)的分析方法进行RUL预测,并用PRONOSTIA滚动轴承数据集进行验证。结果表明,该方法具有较高的健康指数预测精度,能有效反映滚动轴承的劣化状态,有助于实现风力机轴承的RUL预测。同时,也可为其他旋转机械设备的剩余寿命预测提供重要的理论参考,具有一定的实用价值。
关键词
风力机轴承
双输入卷积神经网络
图形特征
剩余使用寿命
预测
Keywords
wind turbine bearing
dual-input convolutional neural network
graphical features
remaining useful life
prognosticating
分类号
TG156 [金属学及工艺—热处理]
在线阅读
下载PDF
职称材料
题名
变频变异粒子滤波算法
被引量:
1
6
作者
余萍
曹洁
黄开杰
机构
兰州理工大学电气工程与信息工程学院
甘肃省
工业
过程
控制
重点
实验室
兰州理工大学电气与控制工程国家级
实验
教学示范中心
出处
《兰州理工大学学报》
CAS
北大核心
2019年第2期103-108,共6页
基金
国家自然科学基金(61763028)
甘肃省自然科学基金(1506RJZA104)
文摘
针对粒子滤波算法中的粒子退化及重采样所引起的粒子多样性减弱问题,将自适应变频策略应用于免疫理论的变异操作中,并与粒子滤波相结合设计了一种新的变频变异粒子滤波算法.算法引入自适应变频算子实时调节当前时刻的变异频率,控制了变异粒子的数量;再采取不同策略对粒子进行变异操作,以提高粒子对系统状态变化的适应性;最后,对新产生粒子进行权值计算,选择权值较大粒子构成新粒子集,以提高滤波精度.研究结果表明,该方法能够用更少的粒子完成高精度的估计任务,具有更高的滤波精度、粒子多样性、运算速度综合性价比.同时粒子分布更合理,在高似然区外仍然存在一定数量的粒子,为系统发生突变时保持较好的估计精度提供了条件.
关键词
粒子滤波
变异
粒子退化
自适应变频
多样性
Keywords
particle filtration
mutation
particle degeneracy
adaptive frequency conversion
variety
分类号
TP18 [自动化与计算机技术—控制理论与控制工程]
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BNN-RA模型的风电机组轴承故障诊断研究
余萍
宋紫琼
曹洁
陈息良
《太阳能学报》
北大核心
2025
0
在线阅读
下载PDF
职称材料
2
电动汽车IGBT剩余使用寿命预测
杜先君
王紫阳
《兰州理工大学学报》
CAS
北大核心
2024
0
在线阅读
下载PDF
职称材料
3
优化堆叠降噪自动编码器滚动轴承故障诊断
余萍
曹洁
《太阳能学报》
EI
CAS
CSCD
北大核心
2021
22
在线阅读
下载PDF
职称材料
4
液压型风力发电机组调速系统的DMC预测控制方法研究
刘微容
魏域林
刘婕
刘朝荣
任成文
《太阳能学报》
EI
CAS
CSCD
北大核心
2021
10
在线阅读
下载PDF
职称材料
5
基于图形特征的双输入卷积神经网络风力机轴承剩余寿命预测
余萍
曹洁
《太阳能学报》
EI
CAS
CSCD
北大核心
2022
2
在线阅读
下载PDF
职称材料
6
变频变异粒子滤波算法
余萍
曹洁
黄开杰
《兰州理工大学学报》
CAS
北大核心
2019
1
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