检索结果-维普期刊中文期刊服务平台

基于LSTM-CNN特征提取和PSO-KNN分类的自动抓梁液压系统故障诊断被引量：2: 1; 作者刘文忠张世杰 +1 位作者金兰王瑞辰《机床与液压》北大核心 2024年第18期203-207,共5页; 针对自动抓梁液压系统故障诊断正确率低、深层特征提取困难的问题,提出一种基于长短期记忆卷积(LSTM-CNN)特征提取网络和粒子群优化K最近邻(PSO-KNN)结合的自动抓梁液压系统故障诊断模型。以自动抓梁液压系统关键节点压力信息为输入,采... 展开更多; 关键词液压自动抓梁 LSTM-CNN PSO-KNN 故障诊断; 在线阅读下载PDF 职称材料

基于深度强化学习的串联系统屏蔽故障维修策略研究: 2; 作者樊小波黄允 +1 位作者谌楚夏诗雨《机床与液压》北大核心 2024年第21期216-220,共5页; 多部件串联系统维修决策优化问题得到越来越多的关注,目前绝大多数相关研究均假设系统失效时其失效部件是可直接观测的。实际的生产运营中,当系统发生失效时,其故障原因往往是屏蔽的,需要采用专业的工具进行诊断才能确定失效部件,继而... 展开更多; 关键词维修决策串联系统屏蔽故障半马尔科夫决策深度强化学习; 在线阅读下载PDF 职称材料

基于CNN-LSTM的液压自动抓梁健康状态预测: 3; 作者张兆礼张建秋 +1 位作者汪鑫王瑞辰《机床与液压》北大核心 2024年第23期215-220,共6页; 针对监测数据下大型水电站自动抓梁液压系统的退化特征提取和健康状态预测问题,基于卷积神经网络(CNN)和长短时记忆网络(LSTM),构建一种健康预测模型。通过监测数据提取抓梁液压系统退化特征并实现预测。采用随机森林对状态监测信号与... 展开更多; 关键词液压自动抓梁 CNN-LSTM 健康状态预测; 在线阅读下载PDF 职称材料

基于MMFFCNN-GCN的门式启闭机轴承半监督故障诊断: 4; 作者包唐伟张世杰 +1 位作者武世虎夏诗雨《机床与液压》北大核心 2025年第15期158-165,共8页; 在实际水电站门式启闭机中,收集到的轴承标记数据往往很少,传统数据驱动故障诊断方法在有限标记数据集上无法获得令人满意的结果。针对这一问题,提出一种基于多域多尺度特征融合卷积网络(MMFFCNN)和图卷积(GCN)的半监督故障诊断方法。... 展开更多; 关键词门式启闭机轴承半监督故障诊断多域多尺度特征融合卷积网络(MMFFCNN) 图卷积(GCN); 在线阅读下载PDF 职称材料

题名基于LSTM-CNN特征提取和PSO-KNN分类的自动抓梁液压系统故障诊断被引量：2: 1; 作者刘文忠张世杰金兰王瑞辰; 机构中国长江电力股份有限公司溪洛渡水力发电厂电子科技大学航空航天学院郑州市科德自动化系统工程有限公司; 出处《机床与液压》北大核心 2024年第18期203-207,共5页; 基金中国长江电力股份有限公司科研项目(Z412202018) 国家自然科学基金面上项目(72171037) +1 种基金四川省自然科学基金项目(2023NSFSC0476)。; 文摘针对自动抓梁液压系统故障诊断正确率低、深层特征提取困难的问题,提出一种基于长短期记忆卷积(LSTM-CNN)特征提取网络和粒子群优化K最近邻(PSO-KNN)结合的自动抓梁液压系统故障诊断模型。以自动抓梁液压系统关键节点压力信息为输入,采用LSTM提取一维特征与CNN提取的二维特征融合,采用优化后的KNN模型对提取的特征进行故障分类。基于真实数据搭建AMESim自动抓梁模型进行仿真,验证所提方法的有效性与先进性。结果表明:所提模型的诊断正确率达到97.92%,能够有效识别自动抓梁液压系统中的常见故障。; 关键词液压自动抓梁 LSTM-CNN PSO-KNN 故障诊断; Keywords hydraulic automatic grabbing beam LSTM-CNN PSO-KNN fault diagnosis; 分类号 TP206.3 [自动化与计算机技术—检测技术与自动化装置]; 在线阅读下载PDF 职称材料

题名基于深度强化学习的串联系统屏蔽故障维修策略研究: 2; 作者樊小波黄允谌楚夏诗雨; 机构中国长江电力股份有限公司溪洛渡水力发电厂电子科技大学航空航天学院郑州市科德自动化系统工程有限公司; 出处《机床与液压》北大核心 2024年第21期216-220,共5页; 基金中国长江电力股份有限公司科研项目(Z412202018) 国家自然科学基金青年项目(71801168) 四川省自然科学基金项目(2023NSFSC0476)。; 文摘多部件串联系统维修决策优化问题得到越来越多的关注,目前绝大多数相关研究均假设系统失效时其失效部件是可直接观测的。实际的生产运营中,当系统发生失效时,其故障原因往往是屏蔽的,需要采用专业的工具进行诊断才能确定失效部件,继而进行维修。当诊断成本较高且部件接近更换役龄时,可以选择直接更换整个系统而不进行诊断。面向串联系统,考虑其发生屏蔽故障时,可以执行故障诊断确定失效部件继而更换,或者直接更换整个系统,建立半马尔科夫决策模型,以长周期成本率最低为目标函数,决策出每次屏蔽故障时的最佳动作。考虑到多部件导致的状态空间维数灾难问题,采用深度强化学习算法进行求解。最后将模型和算法应用于水电站液压自动抓梁系统,证明了其有效性。; 关键词维修决策串联系统屏蔽故障半马尔科夫决策深度强化学习; Keywords maintenance optimization series system masked failure semi-Markov decision process deep reinforcement learning; 分类号 TB114.3 [理学—概率论与数理统计]; 在线阅读下载PDF 职称材料

题名基于CNN-LSTM的液压自动抓梁健康状态预测: 3; 作者张兆礼张建秋汪鑫王瑞辰; 机构中国长江电力股份有限公司溪洛渡水力发电厂电子科技大学航空航天学院郑州市科德自动化系统工程有限公司; 出处《机床与液压》北大核心 2024年第23期215-220,共6页; 基金中国长江电力股份有限公司科研项目(Z412202018) 国家自然科学基金青年科学基金项目(71801168) 四川省自然科学基金项目(2023NSFSC0476)。; 文摘针对监测数据下大型水电站自动抓梁液压系统的退化特征提取和健康状态预测问题,基于卷积神经网络(CNN)和长短时记忆网络(LSTM),构建一种健康预测模型。通过监测数据提取抓梁液压系统退化特征并实现预测。采用随机森林对状态监测信号与外部环境因素进行选择,利用CNN充分挖掘状态监测数据序列的时空特性,并使用LSTM网络捕获序列数据中的信息以及依赖关系。为验证所提预测模型的有效性,采用基于真实数据搭建的AMESim液压自动抓梁模型进行仿真验证。结果表明:相较于传统方法,该模型预测精度得到明显提升。; 关键词液压自动抓梁 CNN-LSTM 健康状态预测; Keywords hydraulic automatic grab beam CNN-LSTM health status prediction; 分类号 TG156 [金属学及工艺—热处理]; 在线阅读下载PDF 职称材料

题名基于MMFFCNN-GCN的门式启闭机轴承半监督故障诊断: 4; 作者包唐伟张世杰武世虎夏诗雨; 机构三峡金沙江川云水电开发有限公司永善溪洛渡电厂电子科技大学航空航天学院郑州市科德自动化系统工程有限公司; 出处《机床与液压》北大核心 2025年第15期158-165,共8页; 基金国家自然科学基金青年科学基金项目(71801168) 四川省自然科学基金项目(2023NSFSC0476) 三峡金沙江川云水电开发有限公司永善溪洛渡电厂科研项目(Z412202018)。; 文摘在实际水电站门式启闭机中,收集到的轴承标记数据往往很少,传统数据驱动故障诊断方法在有限标记数据集上无法获得令人满意的结果。针对这一问题,提出一种基于多域多尺度特征融合卷积网络(MMFFCNN)和图卷积(GCN)的半监督故障诊断方法。通过变分模态分解对振动信号进行分解,选择主要成分进行重构。对重构信号采用快速傅里叶变换提取频域特征,同时利用连续小波变换提取时频域特征,采用多尺度卷积网络进行特征提取与融合。采用K最近邻基于特征向量构建图结构,继而构建图卷积模型实现半监督故障诊断。最后,利用凯斯西储大学轴承数据集进行验证。结果表明:所提方法在20%标记数据下准确率达到99.59%;相比单一时频特征(方法四),加入时域和频域特征(文中方法)使准确率提升0.93%;多尺度卷积网络(方法三)比单尺度CNN(方法二)准确率提高1.78%;引入GCN半监督机制,文中方法比方法五的准确率提升2.44%;表明该方法能够提高有限标记数据集下模型故障诊断的准确率。; 关键词门式启闭机轴承半监督故障诊断多域多尺度特征融合卷积网络(MMFFCNN) 图卷积(GCN); Keywords portal crane bearings semi-supervised fault diagnosis multi-domain and multi-scale feature fusion convolutional neural network(MMFFCNN) graph convolutional network(GCN); 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	作者	出处	发文年	被引量	操作
1	基于LSTM-CNN特征提取和PSO-KNN分类的自动抓梁液压系统故障诊断	刘文忠张世杰金兰王瑞辰	《机床与液压》北大核心	2024	2	在线阅读下载PDF 职称材料
2	基于深度强化学习的串联系统屏蔽故障维修策略研究	樊小波黄允谌楚夏诗雨	《机床与液压》北大核心	2024	0	在线阅读下载PDF 职称材料
3	基于CNN-LSTM的液压自动抓梁健康状态预测	张兆礼张建秋汪鑫王瑞辰	《机床与液压》北大核心	2024	0	在线阅读下载PDF 职称材料
4	基于MMFFCNN-GCN的门式启闭机轴承半监督故障诊断	包唐伟张世杰武世虎夏诗雨	《机床与液压》北大核心	2025	0	在线阅读下载PDF 职称材料