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
1
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
基于多粒度自注意力机制网络的数控铣床液压系统故障诊断
1
作者
刘波
宋春华
《机床与液压》
北大核心
2025年第19期42-47,共6页
针对现有数控铣床故障诊断方法存在的信号特征提取精度低、故障预警不及时和故障诊断效率较低等问题,提出一种基于多粒度自注意力机制网络的故障诊断方法。构建多粒度自注意力机制网络模型,并基于此搭建数控铣床液压系统故障诊断框架。...
针对现有数控铣床故障诊断方法存在的信号特征提取精度低、故障预警不及时和故障诊断效率较低等问题,提出一种基于多粒度自注意力机制网络的故障诊断方法。构建多粒度自注意力机制网络模型,并基于此搭建数控铣床液压系统故障诊断框架。该框架由输入层、多粒度特征提取层、自注意力机制层和输出层构成。其中,输入层采集并处理液压系统运行信号,多粒度特征提取层利用小波变换算法提取信号粗粒度和细粒度特征,自注意力机制层计算权重系数并通过加权融合获得多粒度特征,输出层应用Softmax分类器计算液压系统故障类别概率并确定最终诊断结果。最后,以VMC-2050HT数控铣床液压系统为实验对象,搭建实验场景,验证所提方法的有效性。结果表明:与现有故障诊断算法相比,该算法的故障特征提取与实际变化值趋近,其混淆矩阵输出结果为99.5%,F_(1)值持续稳定在0.90以上,特征提取效果优于现有方法。该算法能够相对精确地采集数控铣床的故障特征并实现对故障点的定位和故障类型判定,具有良好的适用性。
展开更多
关键词
数控铣床
传感器信号采集
故障诊断
液压系统
多粒度自注意力机制网络模型
在线阅读
下载PDF
职称材料
题名
基于多粒度自注意力机制网络的数控铣床液压系统故障诊断
1
作者
刘波
宋春华
机构
电子科技大学成都学院航空学院
西华
大学
机械工程
学院
出处
《机床与液压》
北大核心
2025年第19期42-47,共6页
文摘
针对现有数控铣床故障诊断方法存在的信号特征提取精度低、故障预警不及时和故障诊断效率较低等问题,提出一种基于多粒度自注意力机制网络的故障诊断方法。构建多粒度自注意力机制网络模型,并基于此搭建数控铣床液压系统故障诊断框架。该框架由输入层、多粒度特征提取层、自注意力机制层和输出层构成。其中,输入层采集并处理液压系统运行信号,多粒度特征提取层利用小波变换算法提取信号粗粒度和细粒度特征,自注意力机制层计算权重系数并通过加权融合获得多粒度特征,输出层应用Softmax分类器计算液压系统故障类别概率并确定最终诊断结果。最后,以VMC-2050HT数控铣床液压系统为实验对象,搭建实验场景,验证所提方法的有效性。结果表明:与现有故障诊断算法相比,该算法的故障特征提取与实际变化值趋近,其混淆矩阵输出结果为99.5%,F_(1)值持续稳定在0.90以上,特征提取效果优于现有方法。该算法能够相对精确地采集数控铣床的故障特征并实现对故障点的定位和故障类型判定,具有良好的适用性。
关键词
数控铣床
传感器信号采集
故障诊断
液压系统
多粒度自注意力机制网络模型
Keywords
CNC milling machine
sensor signal acquisition
fault diagnosis
hydraulic system
multi-granularity self-attention mechanism network model
分类号
TH133.33 [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
基于多粒度自注意力机制网络的数控铣床液压系统故障诊断
刘波
宋春华
《机床与液压》
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
