检索结果-南通市图书馆

基于双注意力机制的MSCN-BiGRU的滚动轴承故障诊断方法

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

振动与冲击 2024年第6期43卷 84-92,103页

作者：王敏邓艾东马天霆张宇剑薛原东南大学能源与环境学院南京210096 东南大学大型发电装备安全运行与智能测控国家工程研究中心南京210096

针对滚动轴承故障诊断模型在变工况和环境噪声干扰下诊断精度降低的问题,提出一种基于双注意力机制的多尺度卷积网络(dual attention and multi-scale convolutional networks,DAMSCN)与改进的双向门控循环单元(bidirectional gated rec... 详细信息

针对滚动轴承故障诊断模型在变工况和环境噪声干扰下诊断精度降低的问题,提出一种基于双注意力机制的多尺度卷积网络(dual attention and multi-scale convolutional networks,DAMSCN)与改进的双向门控循环单元(bidirectional gated recurrent unit,BiGRU)组成的故障诊断模型DAMSCN-BiGRU。首先,多尺度特征融合模块使用不同大小的卷积核,获得多种感受野,从而提取到轴承原始振动信号的多尺度特征信息,并根据重要性对其进行自适应融合,然后利用通道注意力和空间注意力组成的双注意力模块(dual attention module,DAM)对多尺度特征进行重新标定,分配注意力权重,削弱融合特征中的冗余特征;然后,增加注意力层和利用分段激活改进BiGRU进而挖掘信号的时域特征,以提高轴承故障诊断的性能;最后,通过Softmax层完成对不同故障的分类。试验结果表明,与其他智能诊断模型相比,DAMSCN-BiGRU在变工况环境下,平均诊断精度达到98.2%,在强噪声背景下仍然有着85.3%的准确率,且在不同程度的噪声强度下效果均优于其他常用模型,有利于促进滚动轴承的智能故障诊断研究和实际应用。

关键词：滚动轴承故障诊断多尺度特征融合双注意力机制双向门控循环单元(BiGRU)

基于深度条件子域自适应网络的轴承跨域故障诊断研究

在线全文

学校读者我要写书评

暂无评论

动力工程学报 2024年第1期44卷 62-67,83页

作者：范永胜丁雪邓艾东国家能源集团江苏电力有限公司南京215433 大型发电装备安全运行与智能测控国家工程研究中心南京210096 东南大学能源与环境学院南京210096

针对无监督跨域故障诊断领域存在标注数据不足、模型诊断精度低等问题,提出了一种新型深度条件子域自适应网络(DCSAN)。该网络将分类器预测的置信度映射到共享特征提取器所提取的特征中,以获得多模态映射特征,之后利用多核局部最大平均... 详细信息

针对无监督跨域故障诊断领域存在标注数据不足、模型诊断精度低等问题,提出了一种新型深度条件子域自适应网络(DCSAN)。该网络将分类器预测的置信度映射到共享特征提取器所提取的特征中,以获得多模态映射特征,之后利用多核局部最大平均差异(MK-LMMD)度量不同域间多模态映射特征之间的距离。然后,通过最小化MK-LMMD和分类器损失函数,实现了源域和目标域相应子域分布的对齐。最后,在江南大学轴承数据集上对所提方法的可行性进行了验证。结果表明:在6个变工况迁移任务中,DCSAN模型的平均诊断准确率分别比深度适配网络(DAN)、域相关性对齐方法(D-CORAL)和基于对抗学习域适应方法(DANN)模型高出9.5百分点、8.0百分点和13.6百分点;所提DCSAN模型在子域对齐和跨域自适应故障诊断方面具有一定的有效性和优越性。

关键词：无监督条件子域自适应变工况故障诊断

在线全文

学校读者我要写书评

暂无评论

基于DFT与ECA的滚动轴承故障诊断

振动．测试与诊断 2024年第4期44卷 754-760,830页

作者：张顺邓艾东徐硕丁雪东南大学大型发电装备安全运行与智能测控国家工程研究中心南京210096

针对滚动轴承故障诊断中传统卷积神经网络(convolutional neural networks,简称CNN)提取特征的感受野受限于卷积核大小的问题,提出了一种结合离散傅里叶变换(discrete Fourier transform,简称DFT)和高效通道注意力(efficient channel at... 详细信息

针对滚动轴承故障诊断中传统卷积神经网络(convolutional neural networks,简称CNN)提取特征的感受野受限于卷积核大小的问题,提出了一种结合离散傅里叶变换(discrete Fourier transform,简称DFT)和高效通道注意力(efficient channel attention,简称ECA)的卷积神经网络模型(convolutional neural network combining discrete Fourier transform and efficient channel attention,简称DFT-ECANet)。首先,将原始振动信号通过DFT变换到频域,在频域上经卷积和离散傅里叶逆变换(inverse discrete Fourier transform,简称IDFT)转换到时域,使信号在时域上具有全局的感受野;其次,将该信号与经过卷积的数据在通道维度上进行拼接,通过ECA为各通道数据分配权重,并关注诊断性能高的特征;最后,通过多个卷积-池化层进一步提取模型深层特征,结合池化层和全连接层诊断轴承故障。实验结果表明:DFT-ECANet在原始振动数据集上具有较高的诊断精度和较好的泛化性能,通过T分布随机近邻嵌入(T-distributed stochastic neighbor embedding,简称T-SNE)可降维可视化模型的诊断过程;在强噪声干扰下仍能保持较高的精度,具备较强的鲁棒性和抗噪性能。

关键词：滚动轴承故障诊断卷积神经网络离散傅里叶变换高效通道注意力

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

基于部分域适应的旋转机械跨工况故障诊断

太阳能学报 2024年第6期45卷 479-486页

作者：马天霆孙良海韩冰史曜炜邓艾东东南大学能源与环境学院南京211189 国家能源集团太仓发电有限公司太仓215400

为解决风电机组运行工况变化导致数据分布差异且标签空间不一致场景下的诊断问题,提出一种基于融合权重领域对抗的部分域适应方法(FWDAN),用于旋转机械跨工况故障诊断。FWDAN的核心思想是在样本和类别双重层面施加训练权重,以在对抗训... 详细信息

为解决风电机组运行工况变化导致数据分布差异且标签空间不一致场景下的诊断问题,提出一种基于融合权重领域对抗的部分域适应方法(FWDAN),用于旋转机械跨工况故障诊断。FWDAN的核心思想是在样本和类别双重层面施加训练权重,以在对抗训练过程中弱化外部类样本的作用,强化对共享类样本的学习,从而促进领域间共享诊断知识的迁移和提高对目标任务的诊断性能。对于样本级权重生成,将标签信息耦合进样本数据中充分挖掘样本的特征表示,进一步根据源域和目标域数据特性差异,应用不同的统计方法生成权重用于辅助模型训练,实现促进模型积极迁移和降低负迁移风险的目的。建立在滚动轴承和齿轮箱数据集上的两个诊断案例的实验结果表明,所提方法相比其他方法具有更高的诊断准确度和更强的泛化能。

关键词：风电机组故障诊断迁移学习领域适应对抗训练

基于样本自适应条件对抗网络的齿轮箱跨域故障诊断研究

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

噪声与振动控制 2024年第5期44卷 166-171页

作者：赵敏范永胜邓艾东邓敏强东南大学能源与环境学院大型发电装备安全运行与智能测控国家工程研究中心南京210096 国家能源集团江苏电力有限公司南京215433

基于对抗训练的深度领域适应在旋转部件跨域故障诊断中应用效果良好。然而,现有研究主要致力于降低边缘分布差异而忽略对类别分布信息的挖掘,导致其在复杂场景下诊断准确性不足。针对该问题,提出一种样本自适应条件对抗网络,通过分解抽... 详细信息

基于对抗训练的深度领域适应在旋转部件跨域故障诊断中应用效果良好。然而,现有研究主要致力于降低边缘分布差异而忽略对类别分布信息的挖掘,导致其在复杂场景下诊断准确性不足。针对该问题,提出一种样本自适应条件对抗网络,通过分解抽象特征和评估样本置信度挖掘类别分布特征,增强对抗训练的域适配能力,从而有效提高跨域诊断性能。通过齿轮箱故障诊断实验验证所提方法在实际应用中的有效性和优越性。

关键词：故障诊断深度领域适应对抗训练条件对抗网络齿轮箱

基于MFCC和MDE-SVDD的滚动轴承音频信号异常检测方法

在线全文

学校读者我要写书评

暂无评论

动力工程学报 2024年第2期44卷 277-283页

作者：高原邓艾东范永胜梁志宏傅行军东南大学大型发电装备安全运行与智能测控国家工程研究中心南京210096 东南大学能源与环境学院南京210096 国家能源集团江苏电力有限公司南京215433

针对传统振动传感器安装不易,而声信号分析易受环境噪声干扰的问题,提出一种基于梅尔倒谱系数(MFCC)和马氏距离加权改进支持向量数据描述(MDE-SVDD)的音频信号异常检测方法,用于滚动轴承运行状态监测。该方法从轴承运行声信号中提取MFC... 详细信息

针对传统振动传感器安装不易,而声信号分析易受环境噪声干扰的问题,提出一种基于梅尔倒谱系数(MFCC)和马氏距离加权改进支持向量数据描述(MDE-SVDD)的音频信号异常检测方法,用于滚动轴承运行状态监测。该方法从轴承运行声信号中提取MFCC作为特征向量,进而使用马氏距离加权改进SVDD,以增强对噪声样本的抗干扰性,从而提高算法的检测精度,然后在实验音频信号中添加多种强度的高斯白噪声以模拟现场噪声环境,并将所提方法的测试结果与传统SVDD等异常检测方法进行比较。结果表明:在低信噪比(-5 dB)场景下,MDE-SVDD的异常检测平均准确率达到91.99%,相较于传统SVDD提升了7.73百分比。

关键词：滚动轴承声纹识别梅尔倒谱系数支持向量数据描述异常检测

在线全文

学校读者我要写书评

暂无评论

信息化技术在水利工程运行管理中的应用

城市建设理论研究(电子版) 2024年第26期 196-198页

作者：邓艾武广东省惠州市龙门县县城河堤管理处

本文详尽分析了信息技术对于水利工程管理领域的深刻影响。文章系统地整理了管理中所采纳的信息技术结构，并且针对在水利工程的规划、建造、操作及养护各个环节中的实际运用进行了细致探讨。主要的技术应用范围涉及地理信息系统(GIS)... 详细信息

本文详尽分析了信息技术对于水利工程管理领域的深刻影响。文章系统地整理了管理中所采纳的信息技术结构，并且针对在水利工程的规划、建造、操作及养护各个环节中的实际运用进行了细致探讨。主要的技术应用范围涉及地理信息系统(GIS)、数据挖掘、智能建模、远程探测技术、无人机应用、数字化建工管理系统、传感器网络、大数据分析以及人工智慧等多个方面。论文通过对这些技术的深入分析，旨在为水务工程的管理提供了一个科学与效率并重的信息技术基础，并以此来面对工程环境的复杂性和变化性，确保了水资源可持续性的开发利用，及工程管理的智能化。

关键词：水利工程信息化技术应用管理数据采集

基于改进PNCC-SVM的滚动轴承故障声纹识别方法

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

噪声与振动控制 2024年第3期44卷 146-151,164页

作者：王寅杰邓艾东范永胜占可高原东南大学大型发电装备安全运行与智能测控国家工程研究中心南京210096 东南大学能源与环境学院南京210096 国家能源集团江苏电力有限公司南京215433

针对滚动轴承声信号分析信噪比低、易受环境噪声干扰的问题,提出一种基于改进功率归一化倒谱系数(Power-Normalized Cepstral Coefficients,PNCC)和支持向量机(Support Vector Machine,SVM)的滚动轴承故障声纹识别方法。首先对轴承声信... 详细信息

针对滚动轴承声信号分析信噪比低、易受环境噪声干扰的问题,提出一种基于改进功率归一化倒谱系数(Power-Normalized Cepstral Coefficients,PNCC)和支持向量机(Support Vector Machine,SVM)的滚动轴承故障声纹识别方法。首先对轴承声信号进行预处理;然后提取改进的PNCC并将其作为特征向量;进而根据SVM算法建立声纹识别模型对轴承故障类型进行识别,并测试所提方法在叠加噪声后的识别准确率。结果表明,改进PNCC具有识别准确率高的特点,在噪声干扰下相比原始PNCC识别准确率均值提高13.35%,鲁棒性更强。研究结果可为滚动轴承的声信号特征提取和故障识别应用提供参考。

关键词：故障诊断滚动轴承声纹识别鲁棒性功率归一化倒谱系数支持向量机

四川1.77万家企业享受研发费用加计扣除税收优惠

在线全文

学校读者我要写书评

暂无评论

四川1.77万家企业享受研发费用加计扣除税收优惠