检索结果-南通市图书馆

Science China(Technological Sciences) 2021年第3期64卷 481-492页

作者： DI ZiYang shao haidong XIANG JiaWei State Key Laboratory of Advanced Design and Manufacturing for Vehicle Body College of Mechanical and Vehicle EngineeringHunan UniversityChangsha 410082China College of Mechanical and Electrical Engineering Wenzhou UniversityWenzhou 325035China

The existing intelligent fault diagnosis techniques of bevel gear focus on single-sensor signal analysis under the steady operation *** this study,a new method is proposed based on ensemble deep transfer learning and multisensor signals to enhance the fault diagnosis adaptability and reliability of bevel gear under various operation ***,a novel stacked autoencoder(NSAE)is constructed using a denoising autoencoder,batch normalization,and the Swish activation ***,a series of source-domain NSAEs with multisensor vibration signals is ***,the good model parameters provided by the source-domain NSAEs are transferred to initialize the corresponding target-domain ***,a modified voting fusion strategy is designed to obtain a comprehensive *** multisensor signals collected under the different operation conditions of bevel gear are used to verify the proposed *** comparison results show that the proposed method can diagnose different faults in an accurate and stable manner using only one target-domain sample,thereby outperforming the existing methods.

关键词： ensemble deep transfer learning bevel-gear fault diagnosis novel stacked autoencoder multisensor signals modified voting fusion strategy

Sigma-Mixed Unscented Kalman Filter-Based Fault Detection for Traction Systems in High-Speed Trains

在线全文

学校读者我要写书评

暂无评论

Chinese Journal of Electronics 2023年第5期32卷 982-991页

作者： CHENG Chao WANG Weijun MENG Xiangxi shao haidong CHEN Hongtian Department of Computer Science and Technology Changchun University of Technology Department of Mathematics and Statistics Changchun University of Technology Institute of System Research China Industrial Control Systems Cyber Emergency Response Team Department of Mechanical and Vehicle Engineering Hunan University Department of Chemical and Materials Engineering University of Alberta

Fault detection(FD) for traction systems is one of the active topics in the railway and academia because it is the initial step for the running reliability and safety of high-speed trains. Heterogeneity of data and complexity of systems have brought new challenges to the traditional FD methods. For addressing these challenges, this paper designs an FD algorithm based on the improved unscented Kalman filter(UKF) with consideration of performance degradation. It is derived by incorporating a degradation process into the state-space *** network topology of traction systems is taken into consideration for improving the performance of state estimation. We first obtain the mixture distribution by the mixture of sigma points in UKF. Then, the Lévy process with jump points is introduced to construct the degradation model. Finally, the moving average interstate standard deviation(MAISD) is designed for detecting *** the proposed methods via a traction systems in a certain type of trains obtains satisfactory results.

关键词： Degradation Network topology Fault detection Rail transportation State-space methods Safety Kalman filters

Adaptive inter-intradomain alignment network with class-aware sampling strategy for rolling bearing fault diagnosis

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

Science China(Technological Sciences) 2023年第10期66卷 2862-2870页

作者： GAO QinHe HUANG Tong ZHAO Ke shao haidong JIN Bo LIU ZhiHao WANG Dong National Key Discipline Laboratory of Armament Launch Theory&Technology Rocket Force University of EngineeringXi’an 710025China Key Laboratory of Road Construction Technology&Equipment Ministry of Education Chang’an UniversityXi’an 710054China College of Mechanical and Vehicle Engineering Hunan UniversityChangsha 410082China Institute of Systems and Robotics Department of Electrical and Computer EngineeringUniversity of CoimbraCoimbra 3030-290Portugal

Existing unsupervised domain adaptation approaches primarily focus on reducing the data distribution gap between the source and target domains,often neglecting the influence of class information,leading to inaccurate alignment *** by this observation,this paper proposes an adaptive inter-intra-domain discrepancy method to quantify the intra-class and inter-class discrepancies between the source and target ***,an adaptive factor is introduced to dynamically assess their relative *** upon the proposed adaptive inter-intradomain discrepancy approach,we develop an inter-intradomain alignment network with a class-aware sampling strategy(IDAN-CSS)to distill the feature *** classaware sampling strategy,integrated within IDAN-CSS,facilitates more efficient *** multiple transfer diagnosis cases,we comprehensively demonstrate the feasibility and effectiveness of the proposed IDAN-CSS model.

关键词： unsupervised domain adaptation inter-class domain discrepancy intra-class domain discrepancy class-aware sampling strategy

Special Issue on the Application of Machine Learning and Artificial Intelligence in Fault Diagnostics

在线全文

学校读者我要写书评

暂无评论

Journal of Dynamics, Monitoring and Diagnostics 2022年第3期1卷 125-126页

作者： Konstantinos Gryllias Tianyang Wang haidong shao KU Leuven Belgium Tsinghua University China Hunan University China

*** AND SCOPE The rapid development of data science and associated artificial intelligence(AI)methods has seen a substantial increase in interest in their application to anomaly detection,fault diagnostic,and prognost... 详细信息

关键词： anomaly fault artificial

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

基于深度学习的飞行器智能故障诊断方法

机械工程学报 2019年第7期55卷 27-34页

作者：姜洪开邵海东李兴球西北工业大学航空学院

高温度、快转速、重载荷、大扰动和强冲击的复杂运行工况使得飞行器关键机械部件不可避免地发生故障。飞行器的关键机械部件故障特征往往具有微弱性、非线性、耦合性、不确定性以及因果关系复杂等特点。以“先进信号处理技术+特征提取... 详细信息

高温度、快转速、重载荷、大扰动和强冲击的复杂运行工况使得飞行器关键机械部件不可避免地发生故障。飞行器的关键机械部件故障特征往往具有微弱性、非线性、耦合性、不确定性以及因果关系复杂等特点。以“先进信号处理技术+特征提取及选择”为框架的传统智能方法难以有效承担飞行器故障检测任务,深度学习作为智能故障诊断领域中的新起之秀,能自主挖掘隐藏于原始数据中的代表性诊断信息,直接建立原始数据与运行状态间的精确映射联系,在很大程度上摆脱了对人工特征设计与工程诊断经验的依赖。介绍了深度置信网络、卷积神经网络、深度自动编码机和循环神经网这四种主流深度学习模型的基本原理,总结了深度学习在故障诊断领域中最新研究现状,描述了基于四种深度学习模型的故障诊断思路,并依次实现了其在机械部件智能诊断和预测中的应用。试验结果表明深度学习方法能有效建立监测数据与关键机械部件健康状态间的精确映射联系,实现准确的故障诊断和预测。

关键词：飞行器深度学习智能故障诊断

基于提升深度迁移自动编码器的轴承智能故障诊断

在线全文

学校读者我要写书评

暂无评论

机械工程学报 2020年第9期56卷 84-90页

作者：邵海东张笑阳程军圣杨宇湖南大学汽车车身先进设计制造国家重点实验室长沙410082 中国航空工业集团公司西安航空计算技术研究所西安710065

实际工程中,含标注信息的轴承监测数据严重缺乏,这将导致其智能故障诊断模型难以有效构建。提出了一种基于提升深度迁移自动编码器的新方法用于不同机械设备间的轴承故障智能诊断。首先,采用可缩放指数型线性单元作为标准自动编码器的... 详细信息

实际工程中,含标注信息的轴承监测数据严重缺乏,这将导致其智能故障诊断模型难以有效构建。提出了一种基于提升深度迁移自动编码器的新方法用于不同机械设备间的轴承故障智能诊断。首先,采用可缩放指数型线性单元作为标准自动编码器的激活函数,提升原始振动数据的映射质量。然后,非负约束用于修正代价函数,进一步减少重构误差。其次,构建提升深度自动编码器并用充足可用的源域数据进行预训练,得到的参数作为目标模型的初始化参数。最后,目标域中仅有的一个训练样本用于目标模型的微调以适应剩余的测试样本。将所提方法用于分析不同轴承的试验振动数据,结果表明,所提方法能基于原始振动数据有效实现不同种机械设备间的迁移诊断。

关键词：提升深度自动编码器轴承故障迁移诊断可缩放指数型线性单元非负约束

仿真数据驱动的改进无监督域适应轴承故障诊断

在线全文

学校读者我要写书评

暂无评论

机械工程学报 2023年第3期59卷 76-85页

作者：邵海东肖一鸣颜深湖南大学机械与运载工程学院长沙410082

现有无监督的轴承跨域故障诊断研究往往采用充足的试验台数据构建源域,且难以兼顾领域间的边缘分布和条件分布对齐,此外在域适配过程中全体源域样本被赋予相同的重要性。针对以上挑战,提出了一种仿真数据驱动的改进无监督域适应轴承故... 详细信息

现有无监督的轴承跨域故障诊断研究往往采用充足的试验台数据构建源域,且难以兼顾领域间的边缘分布和条件分布对齐,此外在域适配过程中全体源域样本被赋予相同的重要性。针对以上挑战,提出了一种仿真数据驱动的改进无监督域适应轴承故障诊断新方法。采用仿真所得的故障信息丰富,标签数据充足的轴承故障数据构建源域,降低对试验台资源的依赖。设计了一种嵌入联合最大均值差异的改进损失函数,在无监督场景下实现了不同域间边缘分布和条件分布的同时对齐。开发了一种源域样本权值分配机制,通过领域预测误差衡量源域样本与目标域样本的相似性从而自适应地分配其权值以抑制负迁移。使用两组试验台数据作为目标域对所提方法进行验证,结果表明:所提方法能够充分适配仿真域和实验域的深层特征分布,提高无监督跨域场景下的故障诊断精度。

关键词：仿真数据驱动无监督域适应轴承故障诊断改进损失函数权值分配机制

分布外样本干扰下基于改进半监督原型网络的齿轮箱跨域故障诊断

在线全文

学校读者我要写书评

暂无评论

机械工程学报 2024年第4期60卷 212-221页

作者：邵海东林健闵志闪明宇航湖南大学机械与运载工程学院长沙410082

实际工程中难以获取充足可用且同分布的齿轮箱故障样本,此外,获取的无标签样本难免会混入一些分布外的未知干扰样本,这些将给现有的齿轮箱智能故障诊断研究带来难题。提出一种改进半监督原型网络,面向分布外样本干扰,实现少样本下不同... 详细信息

实际工程中难以获取充足可用且同分布的齿轮箱故障样本,此外,获取的无标签样本难免会混入一些分布外的未知干扰样本,这些将给现有的齿轮箱智能故障诊断研究带来难题。提出一种改进半监督原型网络,面向分布外样本干扰,实现少样本下不同工况间的齿轮箱跨域故障诊断。首先,设计一种标签分配准则,既可以充分挖掘利用无标签样本信息,为无标签样本赋予伪标签,同时也可以有效抑制分布外未知样本的干扰。然后,定义一种基于标签平滑和度量缩放的修正代价函数,可以灵活有效地评估故障样本之间的相似性,挖掘元学习任务的通用特性,进一步提高模型泛化性。将所提方法用于分析不同健康状态的齿轮箱试验数据,并设置不同的少样本跨域诊断场景和分布外干扰样本进行对比验证。试验结果表明,相比现有方法,所提方法可以更有效地实现少样本下不同工况间的齿轮箱跨域故障诊断。

关键词：改进半监督原型网络齿轮箱故障诊断分布外干扰样本标签分配准则修正代价函数

基于弹性核凸包张量机的机械设备热成像故障诊断方法

在线全文

学校读者我要写书评

暂无评论

中国机械工程 2021年第12期32卷 1456-1461,1478页

作者：何知义邵海东程军圣杨宇湖南大学汽车车身先进设计制造国家重点实验室长沙410082 湖南大学机械与运载工程学院长沙410082

针对机械设备热成像故障诊断中图像样本向量化维数灾难和结构信息破坏的问题,提出了基于弹性核凸包张量机的机械设备热成像故障诊断方法。首先定义样本特征张量空间的弹性核凸包,然后求解弹性核凸包间的最优超平面来构建弹性核凸包张量... 详细信息

针对机械设备热成像故障诊断中图像样本向量化维数灾难和结构信息破坏的问题,提出了基于弹性核凸包张量机的机械设备热成像故障诊断方法。首先定义样本特征张量空间的弹性核凸包,然后求解弹性核凸包间的最优超平面来构建弹性核凸包张量机模型,最后以机械设备不同故障状态下的热成像图像为输入,实现机械设备的故障诊断。实验结果表明:该方法可以准确、稳定地对机械设备进行故障诊断。

关键词：机械设备故障诊断热成像弹性核凸包张量机

内对抗指导无监督多域适配网络的轴承协同故障诊断

在线全文

学校读者我要写书评

暂无评论

中国科学：技术科学 2023年第7期53卷 1229-1240页

作者：邵海东陈星恺曹鸿儒姜洪开湖南大学机械与运载工程学院长沙410082 西北工业大学民航学院西安710072

现有的轴承无监督跨域智能故障诊断研究多数是基于单源域自适应开展的,这将导致实际场景中多个拥有充足且多样化诊断信息的源域未能得到协同利用.如何更好地从多个源域中提取到故障轴承的共性特征并融合多源域知识协同诊断是主要挑战.... 详细信息

现有的轴承无监督跨域智能故障诊断研究多数是基于单源域自适应开展的,这将导致实际场景中多个拥有充足且多样化诊断信息的源域未能得到协同利用.如何更好地从多个源域中提取到故障轴承的共性特征并融合多源域知识协同诊断是主要挑战.针对上述问题,本文提出了一种内对抗指导的无监督多域适配网络;构造了一个内对抗模块以计算多源域对抗损失,并联合多组源域-目标域自适应子网指导提取多源域和目标域间的共性特征,增强知识覆盖能力;设计了一个多子网协同决策模块,利用多组源域-目标域的对抗损失和分布差异损失计算置信分数,以辅助多子网分类器做出更佳的融合决策,提升协同故障诊断的准确率.基于恒转速和变转速工况的轴承故障数据构造了多个无监督多源域迁移诊断任务,对比实验结果表明所提方法的优越性和鲁棒性.

关键词：轴承故障诊断迁移学习无监督多域自适应内对抗损失多子网协同决策