检索结果-维普期刊中文期刊服务平台

转子系统数模联动故障诊断方法研究: 1; 作者马康王红军 +2 位作者乔琦王正余成龙《电子测量与仪器学报》北大核心 2025年第1期165-175,共11页; 针对燃气轮机转子系统故障样本少,样本不均以及跨工况故障诊断的问题,提出一种基于转子系统数模联动的故障诊断方法。基于经典集中质量法建立了转子系统动力学模型,将不对中故障,不平衡故障引入动力学模型建立了转子系统故障动力学微分... 展开更多; 关键词转子系统故障诊断条件深度卷积生成对抗迁移学习数模联动; 在线阅读下载PDF 职称材料

基于改进的DenseNet-ViT联合网络和迁移学习的燃气轮机转子故障诊断被引量：1: 2; 作者乔琦王红军 +2 位作者马康王正余成龙《电子测量与仪器学报》 CSCD 北大核心 2024年第11期40-47,共8页; 实际工业环境中,燃气轮机转子故障数据难以采集导致故障样本稀缺,无法满足故障模型的海量训练要求。利用DenseNet在图像特征提取方面的和Transformer结构在视觉领域上的优势,提出了一种基于改进的DenseNet-ViT联合网络的燃气轮机转子故... 展开更多; 关键词燃气轮机转子故障 ViT模型故障诊断迁移学习; 在线阅读下载PDF 职称材料

基于WDCNN-SVM深度迁移学习的燃气轮机转子故障诊断方法被引量：17: 3; 作者唐竞鹏王红军 +3 位作者钟建琳刘淑聪张翔徐伍峰《电子测量与仪器学报》 CSCD 北大核心 2021年第11期115-123,共9页; 针对在使用深度学习对燃气轮机转子故障诊断过程中,因振动信号样本中正常运行数据多、故障数据少而使得模型故障诊断准确率低的问题,提出了一种采用深度迁移学习对燃气轮机转子进行故障诊断的方法。首先,使用典型行业样本数据集预训练... 展开更多; 关键词燃气轮机转子振动分析迁移学习故障诊断; 在线阅读下载PDF 职称材料

燃气轮机气流激振深度置信网络故障诊断模型被引量：11: 4; 作者蒋龙陈王红军张顺利《电子测量与仪器学报》 CSCD 北大核心 2021年第2期115-121,共7页; 气流激振故障是燃汽轮机由于工作介质引发的常见故障,针对某型燃气轮机气流激振故障,建立峰值保持降采样算法和粒子群算法优化的深度置信网络故障诊断模型。使用峰值保持降采样法对振动数据进行缩减,并以之作为深度置信神经网络的输入,... 展开更多; 关键词燃气轮机气流激振故障诊断深度置信网络; 在线阅读下载PDF 职称材料

燃气轮机深度卷积生成对抗故障样本生成研究被引量：4: 5; 作者王政博王红军 +2 位作者张翔崔英杰苏静雷《电子测量与仪器学报》 CSCD 北大核心 2022年第6期82-90,共9页; 针对应用深度学习进行燃气轮机故障诊断时,因故障信号数据不易获取,使得正常运行样本多、故障样本少,影响故障诊断准确率的问题,提出了一种采用深度卷积生成对抗学习对燃气轮机故障样本进行扩充的方法。根据燃气轮机振动信号特点,利用... 展开更多; 关键词燃气轮机故障数据故障诊断生成对抗网络; 在线阅读下载PDF 职称材料

基于自适应调频模态追踪方法的铣削颤振识别被引量：2: 6; 作者张壮壮王红军 +2 位作者王楠王增新王星河《电子测量与仪器学报》 CSCD 北大核心 2023年第5期180-188,共9页; 在铣削加工工程中,产生颤振,严重影响产品的加工精度和表面质量。为了有效避免铣削过程中发生颤振,提出了基于自适应调频模态追踪(adaptive chirp mode pursuit,ACMP)的铣削颤振监测和识别方法。该方法综合考虑了振动信号的带宽和微弱特... 展开更多; 关键词 ACMP 颤振功率谱熵铣削; 在线阅读下载PDF 职称材料

题名转子系统数模联动故障诊断方法研究: 1; 作者马康王红军乔琦王正余成龙; 机构北京信息科技大学机电工程学院北京信息科技大学高端装备制造智能感知与控制北京市国际科技合作基地北京信息科技大学现代测控技术教育部重点实验室; 出处《电子测量与仪器学报》北大核心 2025年第1期165-175,共11页; 基金北京市自然科学基金(IS24076,21JC0016)项目资助。; 文摘针对燃气轮机转子系统故障样本少,样本不均以及跨工况故障诊断的问题,提出一种基于转子系统数模联动的故障诊断方法。基于经典集中质量法建立了转子系统动力学模型,将不对中故障,不平衡故障引入动力学模型建立了转子系统故障动力学微分方程,最后通过龙格库塔法(ode-4/5)对转子系统故障动力学微分方程进行求解,最终得到故障位移仿真信号,为之后数据增强以及数模联动方法做准备。建立结合正交梯度惩罚算法的条件深度卷积生成对抗网络,用此模型将机理模型所得仿真信号作为生成器输入,生成信号样本与真实实验信号作为判别器输入,获得融合机理特性与实际机械特性为一体的生成信号;其次,基于迁移学习理论建立跨工况域适应故障诊断模型,使用结合反卷积算法的短时分数阶傅里叶变换对数据进行视频转换,获得分辨率以及特征更为明显的二维时频图像样本,将结合机理特性与机械特性的数据作为源域、待测其他工况数据作为目标域训练故障诊断模型,通过实验验证,将5种不同故障类别在不同转速与不同故障量下的诊断准确率均达到91%以上,并通过混淆矩阵对结果进行了解释分析,该方法能够有效提高模型的泛化性,并实现转子系统跨工况故障诊断,同条件下优于其他主流诊断方法。; 关键词转子系统故障诊断条件深度卷积生成对抗迁移学习数模联动; Keywords rotor system fault diagnosis conditional deep convolution generates antagonism transfer learning digital-analog linkage; 分类号 TN07 [电子电信—物理电子学] TK477 [动力工程及工程热物理—动力机械及工程]; 在线阅读下载PDF 职称材料

题名基于改进的DenseNet-ViT联合网络和迁移学习的燃气轮机转子故障诊断被引量：1: 2; 作者乔琦王红军马康王正余成龙; 机构北京信息科技大学机电工程学院高端装备制造智能感知与控制北京市国际科技合作基地北京信息科技大学机电系统测控北京市重点实验室; 出处《电子测量与仪器学报》 CSCD 北大核心 2024年第11期40-47,共8页; 基金北京市自然科学基金重点暨北京市教委重点项目(21JC0016) 国家自然科学基金(51975058)项目资助。; 文摘实际工业环境中,燃气轮机转子故障数据难以采集导致故障样本稀缺,无法满足故障模型的海量训练要求。利用DenseNet在图像特征提取方面的和Transformer结构在视觉领域上的优势,提出了一种基于改进的DenseNet-ViT联合网络的燃气轮机转子故障诊断方法。首先舍弃掉DenseNet的分类层,只需利用DenseNet的特征提取层,随后将改进的DenseNet的输出层连接到ViT模型的输入层构成联合网络;另外针对故障模型训练耗时长的问题,利用迁移学习将训练好模型权重参数进行迁移可以加快训练时间,节省计算资源。利用在实验室构建的燃气轮机转子模拟实验台可以获得燃气轮机转子故障模拟数据,在某型号燃气轮机试车台上获得了真实环境下的转子不同类型的故障数据,利用模拟数据与真实数据进行模型测试可以更好的检验所提出方法的可靠性。实验结果表明:在两种不同转子故障数据集测试中分别达到了96.8%和97.3%的故障识别准确率,表明该方法具有较高的转子故障识别精度;在后续设置的对比验证实验中,通过与CNN以及VGG-16等进行对比,该模型的故障分类准确率也均高于这些网络,从而进一步验证了该模型的优异性和可靠性。; 关键词燃气轮机转子故障 ViT模型故障诊断迁移学习; Keywords gas turbine rotor fault ViT model fault diagnosis transfer learning; 分类号 TN07 [电子电信—物理电子学] TK477 [动力工程及工程热物理—动力机械及工程]; 在线阅读下载PDF 职称材料

题名基于WDCNN-SVM深度迁移学习的燃气轮机转子故障诊断方法被引量：17: 3; 作者唐竞鹏王红军钟建琳刘淑聪张翔徐伍峰; 机构北京信息科技大学机电工程学院高端装备制造智能感知与控制北京市国际科技合作基地南京航空航天大学航空学院; 出处《电子测量与仪器学报》 CSCD 北大核心 2021年第11期115-123,共9页; 基金国家自然科学基金(51975058)项目资助。; 文摘针对在使用深度学习对燃气轮机转子故障诊断过程中,因振动信号样本中正常运行数据多、故障数据少而使得模型故障诊断准确率低的问题,提出了一种采用深度迁移学习对燃气轮机转子进行故障诊断的方法。首先,使用典型行业样本数据集预训练第一层宽卷积核深度卷积神经网络(WDCNN)模型,给予模型初始的权重。其次,在源域中,使用某型燃气轮机试车获得的大量正常运行样本更新WDCNN模型的权重;在目标域中,利用源域训练的卷积层提取燃气轮机的正常和故障数据样本特征,然后使用支持向量机(support-vector machines,SVM)进行分类识别,从而达到燃气轮机故障识别的目的。试车数据实验结果表明,该方法能够实现96%的识别准确率,验证了将轴承数据集预训练的深度学习模型迁移到燃气轮机转子领域进行故障诊断的可行性。; 关键词燃气轮机转子振动分析迁移学习故障诊断; Keywords gas turbine rotor system vibration analysis transfer learning fault diagnosis; 分类号 TK477 [动力工程及工程热物理—动力机械及工程]; 在线阅读下载PDF 职称材料

题名燃气轮机气流激振深度置信网络故障诊断模型被引量：11: 4; 作者蒋龙陈王红军张顺利; 机构北京信息科技大学机电工程学院北京信息科技大学北京信息科技大学机电系统测控北京市重点实验室中国航发西安航空发动机集团有限公司设计所; 出处《电子测量与仪器学报》 CSCD 北大核心 2021年第2期115-121,共7页; 基金国家自然科学基金(51975058)资助项目。; 文摘气流激振故障是燃汽轮机由于工作介质引发的常见故障,针对某型燃气轮机气流激振故障,建立峰值保持降采样算法和粒子群算法优化的深度置信网络故障诊断模型。使用峰值保持降采样法对振动数据进行缩减,并以之作为深度置信神经网络的输入,降低模型训练时间,同时采取粒子群算法对深度置信网络结构参数寻优,搜索诊断性能最好的深度置信模型所对应的网络结构参数。实例结果表明,优化后的模型不仅降低模型训练时间,实现网络结构参数智能寻优,还有效实现燃气轮机气流激振故障诊断,测试准确率约为99.8%。; 关键词燃气轮机气流激振故障诊断深度置信网络; Keywords gas turbine airflow excitation fault diagnosis deep belief network; 分类号 TK477 [动力工程及工程热物理—动力机械及工程]; 在线阅读下载PDF 职称材料

题名燃气轮机深度卷积生成对抗故障样本生成研究被引量：4: 5; 作者王政博王红军张翔崔英杰苏静雷; 机构北京信息科技大学机电工程学院高端装备制造智能感知与控制北京市国际科技合作基地北京信息科技大学机电系统测控北京市重点实验室天津光电通信技术有限公司; 出处《电子测量与仪器学报》 CSCD 北大核心 2022年第6期82-90,共9页; 基金国家自然科学基金(51975058)项目资助。; 文摘针对应用深度学习进行燃气轮机故障诊断时,因故障信号数据不易获取,使得正常运行样本多、故障样本少,影响故障诊断准确率的问题,提出了一种采用深度卷积生成对抗学习对燃气轮机故障样本进行扩充的方法。根据燃气轮机振动信号特点,利用快速傅里叶变换、经验模态分解、解调预处理故障信号,提取故障频域特征并选取特征值指标,将振动信号转为二维灰度图像,通过正交梯度惩罚算法训练深度卷积生成对抗故障样本生成模型。实例结果表明,使用所提方法获得CWRU轴承数据集生成样本测试准确率为98.01%;某型燃气轮机生成样本测试准确率为97.43%,同条件下均优于其他主流故障样本生成方法,验证了所提故障样本生成方法的有效性和优越性。; 关键词燃气轮机故障数据故障诊断生成对抗网络; Keywords gas turbine fault data fault diagnosis generative adversarial network; 分类号 TN07 [电子电信—物理电子学] TK477 [动力工程及工程热物理—动力机械及工程]; 在线阅读下载PDF 职称材料

题名基于自适应调频模态追踪方法的铣削颤振识别被引量：2: 6; 作者张壮壮王红军王楠王增新王星河; 机构北京信息科技大学机电工程学院高端装备制造智能感知与控制北京市国际科技合作基地北京信息科技大学机电系统测控北京市重点实验室超同步股份有限公司北京机械工业自动化研究所有限公司; 出处《电子测量与仪器学报》 CSCD 北大核心 2023年第5期180-188,共9页; 基金北京市科技计划项目(Z201100008320004)资助。; 文摘在铣削加工工程中,产生颤振,严重影响产品的加工精度和表面质量。为了有效避免铣削过程中发生颤振,提出了基于自适应调频模态追踪(adaptive chirp mode pursuit,ACMP)的铣削颤振监测和识别方法。该方法综合考虑了振动信号的带宽和微弱特性,ACMP在递归框架中逐个捕获信号模式,在该算法中,不需要输入信号模式的个数,而是可以通过评估残差信号的能量来学习,这样就可以避免由于分解层数不确定带来的模态混叠或者过度分解的问题。首先使用仿真信号验证了该算法对颤振信号具有很高的识别精度;然后基于现场的铣削实验数据证明该方法及时有效地对颤振进行识别;最后从ACMP处理后的信号中提取功率谱熵值作为颤振识别特征。该方法解决了经验模态分解(empirical mode decomposition,EMD)算法的模态混合和伪分量问题,又降低了变分模态分解(variational mode decomposition,VMD)的精度不稳定的影响,可以准确快速地识别到颤振,对提高加工质量具有重要意义。; 关键词 ACMP 颤振功率谱熵铣削; Keywords ACMP chatter power spectrum entropy milling; 分类号 TG54 [金属学及工艺—金属切削加工及机床] TN9 [电子电信—信息与通信工程]; 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	转子系统数模联动故障诊断方法研究	马康王红军乔琦王正余成龙	《电子测量与仪器学报》北大核心	2025	0	在线阅读下载PDF 职称材料
2	基于改进的DenseNet-ViT联合网络和迁移学习的燃气轮机转子故障诊断	乔琦王红军马康王正余成龙	《电子测量与仪器学报》 CSCD 北大核心	2024	1	在线阅读下载PDF 职称材料
3	基于WDCNN-SVM深度迁移学习的燃气轮机转子故障诊断方法	唐竞鹏王红军钟建琳刘淑聪张翔徐伍峰	《电子测量与仪器学报》 CSCD 北大核心	2021	17	在线阅读下载PDF 职称材料
4	燃气轮机气流激振深度置信网络故障诊断模型	蒋龙陈王红军张顺利	《电子测量与仪器学报》 CSCD 北大核心	2021	11	在线阅读下载PDF 职称材料
5	燃气轮机深度卷积生成对抗故障样本生成研究	王政博王红军张翔崔英杰苏静雷	《电子测量与仪器学报》 CSCD 北大核心	2022	4	在线阅读下载PDF 职称材料
6	基于自适应调频模态追踪方法的铣削颤振识别	张壮壮王红军王楠王增新王星河	《电子测量与仪器学报》 CSCD 北大核心	2023	2	在线阅读下载PDF 职称材料