检索结果-南通市图书馆

基于优化A-BiLSTM的滚动轴承故障诊断

在线全文

学校读者我要写书评

暂无评论

吉林大学学报（工学版） 2024年第8期54卷 2156-2166页

作者：余萍赵康曹洁兰州理工大学电气工程与信息工程学院兰州730050 甘肃省工业过程控制重点实验室兰州730050 兰州理工大学电气与控制工程国家级实验教学示范中心兰州730050

为提高超参数设置的效率及其与模型的适配性,改善人工设置模型参数的高成本和低效率问题,提出一种基于蜜獾算法(Honey badger algorithm,HBA)优化注意力双向长短时记忆网络(HBA-A-BiLSTM)的滚动轴承故障诊断方法。首先,通过HBA对A-BiLST... 详细信息

为提高超参数设置的效率及其与模型的适配性,改善人工设置模型参数的高成本和低效率问题,提出一种基于蜜獾算法(Honey badger algorithm,HBA)优化注意力双向长短时记忆网络(HBA-A-BiLSTM)的滚动轴承故障诊断方法。首先,通过HBA对A-BiLSTM模型进行最优超参数组合搜寻,然后基于最优超参数下的A-BiLSTM模型进行故障诊断性能测试。最后,基于不同工况的数据集进行模型泛化能力测试。采用CWRU数据集对所提方法的故障诊断效果进行验证,利用诊断精度以及混淆矩阵进行评价。实验结果表明,与其他群智能优化算法相比,蜜獾算法搜索全局性能好,收敛速度快,优化后的最终模型的故障诊断准确率达到了99.5%,具有良好的效果,且在不同工况下能够实现稳定、准确的故障诊断性能,泛化能力强。

关键词：故障诊断蜜獾算法参数优化双向长短时记忆网络注意力机制

基于并行双向时间卷积网络和双向长短期记忆网络的轴承剩余使用寿命预测方法

在线全文

学校读者我要写书评

暂无评论

控制与决策 2024年第4期39卷 1288-1296页

作者：梁浩鹏曹洁赵小强兰州理工大学计算机与通信学院兰州730050 兰州城市学院信息工程学院兰州730050 兰州理工大学电气工程与信息工程学院兰州730050

在基于深度学习的轴承剩余使用寿命(RUL)预测方法中,时间卷积网络(TCN)忽略了振动数据中未来时间信息的重要性,长短期记忆网络(LSTM)难以有效地学习振动数据的长时间序列特征.针对以上问题,提出一种基于并行双向时间卷积网络(Bi-TCN)和... 详细信息

在基于深度学习的轴承剩余使用寿命(RUL)预测方法中,时间卷积网络(TCN)忽略了振动数据中未来时间信息的重要性,长短期记忆网络(LSTM)难以有效地学习振动数据的长时间序列特征.针对以上问题,提出一种基于并行双向时间卷积网络(Bi-TCN)和双向长短期记忆网络(Bi-LSTM)的轴承RUL预测方法.首先,对多传感器数据进行归一化处理,并将每个传感器数据进行通道合并,实现多传感器数据的高效融合;然后,采用Bi-TCN和Bi-LSTM构建并行的双分支特征学习网络,其中Bi-TCN提取数据的双向长时间序列特征,Bi-LSTM提取数据的时间相关特征;同时,设计一种特征融合注意力机制,该机制分别计算Bi-TCN和Bi-LSTM的输出权重,以实现两种网络输出特征的自适应加权融合;最后,融合特征通过全连接层并输出轴承RUL的预测结果.利用西安交通大学轴承数据集和PHM 2012轴承数据集进行RUL预测实验,实验结果表明,与其他先进的预测方法相比,所提出方法可以准确预测更多类型轴承的RUL,同时具有更低的预测误差.

关键词：滚动轴承剩余使用寿命预测多传感器融合双向时间卷积网络双向长短期记忆网络

在线全文

学校读者我要写书评

暂无评论

水泥厂粉煤灰钢库的改造

水泥技术 2011年第5期 82-83页

作者：鲁建军徐昕凌振康曹洁文澳门水泥厂有限公司

1出现的问题为了满足日益增长的粉煤灰水泥需求,扩充粉煤灰库容,我公司从香港某公司购买其闲置钢库作为生产线4号粉煤灰库,容量约1500t,直径10m,高度28m,

关键词：粉煤灰水泥水泥厂改造钢粉煤灰库生产线

Multi-GAT:基于多度量衡构建图的故障诊断方法

在线全文

学校读者我要写书评

暂无评论

控制理论与应用 2024年第5期41卷 931-940页

作者：曹洁陈泽阳王进花兰州理工大学计算机与通信学院甘肃兰州730050 兰州城市学院信息工程学院甘肃兰州730050 兰州理工大学电气工程与信息工程学院甘肃兰州730050

基于图神经网络的故障诊断方法,通常需要根据度量衡确定样本之间的相似性,进而构建图的拓扑结构.然而,根据单一度量衡可能无法准确衡量数据样本之间的相似性,进而导致无法准确表征样本之间的关系.因此,选用不同的度量衡会极大地影响图... 详细信息

基于图神经网络的故障诊断方法,通常需要根据度量衡确定样本之间的相似性,进而构建图的拓扑结构.然而,根据单一度量衡可能无法准确衡量数据样本之间的相似性,进而导致无法准确表征样本之间的关系.因此,选用不同的度量衡会极大地影响图神经网络的诊断性能.为了解决通过单一度量衡无法准确表征数据样本之间相关性的问题,本文提出了一种基于多度量衡构造图的故障诊断模型——Multi-GAT.通过结合3种度量衡的计算结果,从而判断数据样本之间相关性的强弱.本文改进了图注意力网络的评分函数,使其能够依据样本之间相关性的强弱更准确地确定数据样本之间的相似性.在本文基准数据集上的实验表明, Multi-GAT能够提升模型的诊断精度,且拥有较好的稳定性.

关键词：图卷积神经网络故障诊断图注意力机制深度学习

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

MACDCGAN的发电机轴承故障诊断方法

振动与冲击 2024年第11期43卷 227-235页

作者：曹洁尹浩楠王进花兰州理工大学电气工程与信息工程学院兰州730050 甘肃省制造信息工程研究中心兰州730050

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... 详细信息

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。

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

基于AESL-GA的BN球磨机滚动轴承故障诊断方法

在线全文

学校读者我要写书评

暂无评论

北京航空航天大学学报 2024年第4期50卷 1138-1146页

作者：王进花汤国栋曹洁李亚洁兰州理工大学电气工程与信息工程学院兰州730050 甘肃省制造信息工程研究中心兰州730050

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... 详细信息

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。

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

CapsNet融合D-BiLSTM的区域复杂路网交通速度预测

在线全文

学校读者我要写书评

暂无评论

吉林大学学报(工学版) 2024年第09期 2531-2539页

作者：曹洁苏广张红李鹏辉兰州理工大学计算机与通信学院兰州城市学院信息工程学院

针对交通模式复杂和动态的时空相关性导致现有预测方法在结构深度和预测尺度方面不足以学习交通演变的问题，提出了一种结合胶囊网络（CapsNet）和深层双向LSTM(DBiLSTM)的深度学习模型。该模型采用CapsNet识别路网的空间拓扑结构并提... 详细信息

针对交通模式复杂和动态的时空相关性导致现有预测方法在结构深度和预测尺度方面不足以学习交通演变的问题，提出了一种结合胶囊网络（CapsNet）和深层双向LSTM(DBiLSTM)的深度学习模型。该模型采用CapsNet识别路网的空间拓扑结构并提取空间特征，融合D-BiLSTM网络，同时考虑交通状态的前向和后向依赖关系，捕获不同历史时期的双向时间相关性，对目标区域内大规模复杂路网的交通进行预测。在真实交通路网速度数据集上进行的实验表明：提出模型的预测精度平均提高了10%以上，优于其他方法，在区域复杂路网的交通预测中具有较高的预测精度和良好的鲁棒性。

关键词：胶囊网络深层双向LSTM 复杂路网后向依赖交通速度预测

有限标记样本下基于GSSL-GraphSage的半监督故障诊断方法

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

控制理论与应用 2024年

作者：曹洁王庭义王进花兰州理工大学电气工程与信息工程学院兰州城市学院信息工程学院

鉴于在实际工程中采集的齿轮箱标注监测数据是有限的,且基于图神经网络的齿轮箱故障诊断方法研究仍存在标签信息挖掘不充分的问题,提出一种有限标记样本下基于图的半监督学习(Graph-based semi-supervised learning, GSSL)与图采样聚合... 详细信息

鉴于在实际工程中采集的齿轮箱标注监测数据是有限的,且基于图神经网络的齿轮箱故障诊断方法研究仍存在标签信息挖掘不充分的问题,提出一种有限标记样本下基于图的半监督学习(Graph-based semi-supervised learning, GSSL)与图采样聚合算法(Graph sample and aggregate, GraphSage)的齿轮箱半监督故障诊断方法.基于K最近邻算法和基于图的标签传播策略,将标签信息沿边传播给分布相似的邻域样本,从而充分利用有限样本的标签信息,提高模型性能.将每个振动频谱样本视为一个节点构建基于图的半监督学习框架,最后将半监督学习框架输入到节点级GraphSage网络中进行故障分类,避免新加入节点重新训练的情况,可有效防止训练过拟合,增强泛化能力.将所提方法用于分析齿轮箱故障实验数据,结果表明所提方法能够在6%的低标签情况下准确诊断齿轮箱的不同故障模式,验证了对齿轮箱故障诊断的可行性和有效性.

关键词：故障诊断 GraphSage网络有限标记样本半监督学习标签传播策略

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于领域自适应的变工况轴承故障诊断

北京航空航天大学学报 2024年第8期50卷 2382-2390页

作者：曹洁尹浩楠雷晓刚王进花兰州理工大学电气工程与信息工程学院兰州730050 甘肃省工业过程先进控制重点实验室兰州730050 甘肃省制造信息工程研究中心兰州730050

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... 详细信息

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。

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