检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

基于相似性度量迁移学习的轴承故障诊断

振动与冲击 2022年第16期41卷 217-223页

作者：徐易芸马健陈良沈长青李奇孔林苏州大学机电工程学院江苏苏州215131 苏州大学轨道交通学院江苏苏州215131 长光卫星技术有限公司长春130102

滚动轴承工况多变,受负荷、转速等因素影响,故障信号的特征分布偏移会显著降低故障诊断模型的泛化能力。针对此问题,提出一种基于相似性度量迁移学习的轴承故障诊断方法。将迁移学习和相似性度量的思想结合,通过相关对齐损失计算变工况... 详细信息

滚动轴承工况多变,受负荷、转速等因素影响,故障信号的特征分布偏移会显著降低故障诊断模型的泛化能力。针对此问题,提出一种基于相似性度量迁移学习的轴承故障诊断方法。将迁移学习和相似性度量的思想结合,通过相关对齐损失计算变工况故障特征之间的相关性,最小化源域和目标域特征之间的分布差异。同时最大化输入特征与中心特征的相似性,利用目标域预测标签中包含的故障分类信息,提高故障特征聚类的准确性,来增加高相关性特征对模型的贡献度,减小非相关特征的影响。最后利用学习到的特征实现故障分类。在CWRU和自搭建试验平台上进行了对比试验,证明了所述方法能够更加准确地分类故障信号,更好解决不同工况下由特征分布偏移带来的故障诊断难点问题。

关键词：滚动轴承故障诊断迁移学习相似性度量特征分布

基于生成对抗网络和自动编码器的机械系统异常检测

在线全文

学校读者我要写书评

暂无评论

仪器仪表学报 2019年第9期40卷 16-26页

作者：戴俊王俊朱忠奎沈长青黄伟国苏州大学轨道交通学院

现有的机械系统智能诊断模型需要不同健康状态下大量的历史数据和相对应的标签来完成模型训练,但有些机械系统难以采集到异常样本。在无异常样本训练情况下,本文提出一种新的机械系统异常检测方法。新方法结合生成对抗网络和自动编码器... 详细信息

现有的机械系统智能诊断模型需要不同健康状态下大量的历史数据和相对应的标签来完成模型训练,但有些机械系统难以采集到异常样本。在无异常样本训练情况下,本文提出一种新的机械系统异常检测方法。新方法结合生成对抗网络和自动编码器,构建了一种编码-解码-再编码的网络模型。所提模型首先通过早期采集的正常样本进行训练,然后用于对未知状态的实时监测样本进行测试,输出两次编码得到的潜在特征的差异值,最后通过观察差异值的变化对系统进行监测。3组实验分析结果验证了方法的有效性。与传统方法相比,新方法检测出异常的时间更早,所得差异值指标在异常发生时幅度增加得更大,且能更稳定表征故障演化过程。

关键词：深度学习生成对抗网络异常检测机械系统

基于改进卷积深度置信网络的轴承故障诊断研究

在线全文

学校读者我要写书评

暂无评论

电子测量与仪器学报 2020年第2期32卷 36-43页

作者：谢佳琪尤伟沈长青朱忠奎苏州大学轨道交通学院苏州215131

机械设备故障诊断在工业应用中具有重要的意义。传统的基于振动信号处理与分析的故障诊断方法,依赖于丰富的专业知识和人工经验,难以保证准确的特征提取与故障诊断。利用深度学习方法可以自动学习数据深层次特征的特点,提出一种基于改... 详细信息

机械设备故障诊断在工业应用中具有重要的意义。传统的基于振动信号处理与分析的故障诊断方法,依赖于丰富的专业知识和人工经验,难以保证准确的特征提取与故障诊断。利用深度学习方法可以自动学习数据深层次特征的特点,提出一种基于改进卷积深度置信网络的滚动轴承故障定性、定量诊断方法。首先,为了提供较好的浅层输入,将原始振动信号转换至频域信号;其次,在模型训练过程中,引入Adam优化器,加快模型训练,提高模型收敛速度;最后,为了充分发挥模型各层特征表征能力,对模型结构进行优化,提出多层特征融合学习结构,以提高模型的泛化能力。实验结果表明,所提出的改进模型相比于传统的栈式自动编码器、人工神经网络、深度置信网络以及标准卷积深度信念网络,具有更好的诊断精度,有效地实现了轴承故障的定性、定量化诊断。

关键词：故障诊断轴承特征学习卷积深度置信网络

瞬态成分Laplace小波稀疏表示及其轴承故障特征提取应用

在线全文

学校读者我要写书评

暂无评论

机械工程学报 2015年第15期51卷 110-118页

作者：樊薇李双蔡改改沈长青黄伟国朱忠奎苏州大学城市轨道交通学院苏州215131 苏州大学机电工程学院苏州215021

机械系统中轴承局部故障会导致振动信号中出现瞬态冲击响应成分,可通过对瞬态成分的分析与提取实现故障特征的提取。稀疏表示是强背景噪声下微弱特征提取的有效方法之一,在信号稀疏表示理论的基础上,针对冲击响应信号的特点,提出其在Lap... 详细信息

机械系统中轴承局部故障会导致振动信号中出现瞬态冲击响应成分,可通过对瞬态成分的分析与提取实现故障特征的提取。稀疏表示是强背景噪声下微弱特征提取的有效方法之一,在信号稀疏表示理论的基础上,针对冲击响应信号的特点,提出其在Laplace小波基底下的稀疏表示,并应用于轴承局部弱故障状态下振动信号中瞬态冲击成分的提取。在选定匹配基底函数的前提下,运用分裂增广拉格朗日收缩算法求解基追踪去噪(Basis pursuit denoising,BPD)问题,将信号中的瞬态冲击成分转化为一系列稀疏表示系数,实现强背景噪声下弱特征的有效提取。仿真信号和轴承微弱故障下的特征提取表明提出的方法能有效地检测和提取强背景噪声下的微弱故障。

关键词：轴承故障诊断稀疏表示 Laplace小波基底函数特征提取

在线全文

学校读者我要写书评

暂无评论

基于脊线信息增强与特征融合的瞬时转频估计

振动与冲击 2018年第20期37卷 166-172页

作者：江星星吴楠石娟娟沈长青李川朱忠奎苏州大学城市轨道交通学院江苏苏州215131 重庆工商大学制造装备机构设计与控制重庆市重点实验室重庆400067

转速获取是变工况设备健康诊断的前提。在不便安装速度传感器的情况下,基于振动信号时频分析获取转频是最常用的途径。然而,由于时频分析方法的自身特性和采集的振动信号中往往包含大量的背景噪声,导致得到的时频分布能量聚集性差、部... 详细信息

转速获取是变工况设备健康诊断的前提。在不便安装速度传感器的情况下,基于振动信号时频分析获取转频是最常用的途径。然而,由于时频分析方法的自身特性和采集的振动信号中往往包含大量的背景噪声,导致得到的时频分布能量聚集性差、部分时段转速信息微弱等问题,很难提取到完整、准确的转频信息。为解决这一问题,提出一种脊线信息增强与特征融合的转速估计方法。采用幅值累加平方策略对时频分布特征进行增强;从信号低频区域和共振频带分别预估计出转频信息;最后,建立基于概率分布和局部波动特性的信息融合准则,以确定脊线融合位置以及融合结果,实现转频的准确估计。轴承故障实验信号验证说明:相比于传统的转频提取方法,提出的方法能够显著地改善能量微弱的转速信息的识别结果。

关键词：时频分布转频估计特征融合微弱信息

小波核编码的脉冲卷积神经网络在可解释性智能诊断中的应用研究

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12期60卷 41-50页

作者：王俊杨轶青刘金朝沈长青黄伟国朱忠奎苏州大学轨道交通学院苏州215131 中国铁道科学研究院集团有限公司基础设施检测研究所北京100081

近年来,人工神经网络在可解释性机械故障智能诊断研究中已经取得一些成果。然而人工神经网络本身不是模拟生物神经网络的学习机制,缺乏生物可解释性。脉冲神经网络能够很好地模拟生物信号在神经网络中的传播,具有较强的生物可解释性,但... 详细信息

近年来,人工神经网络在可解释性机械故障智能诊断研究中已经取得一些成果。然而人工神经网络本身不是模拟生物神经网络的学习机制,缺乏生物可解释性。脉冲神经网络能够很好地模拟生物信号在神经网络中的传播,具有较强的生物可解释性,但当前的脉冲编码方式缺乏物理可解释性。提出一种兼具物理可解释性和生物可解释性的小波核编码的脉冲卷积神经网络,用于轴承端到端的可解释性智能诊断。首先,设计一种小波核编码器,利用小波核卷积从轴承振动信号中提取多尺度物理特征,进而采用脉冲神经元将其编码为脉冲编码信息;其次,构建多层脉冲卷积特征提取器,从脉冲编码信息中提取深层状态特征;最后,建立脉冲分类器,通过输出层脉冲神经元的放电概率预测轴承的健康状态。采用两组轴承健康状态数据集验证所提模型的可解释性和有效性。试验结果表明:脉冲编码信息能够清晰反映轴承不同健康状态,具有物理可解释性;所提方法能够实现端到端的模型训练,故障诊断准确率与传统卷积神经网络相当,而模型收敛的稳定性更优。

关键词：智能诊断脉冲神经网络生物可解释性物理可解释性小波变换

独立自适应学习率优化深度信念网络在轴承故障诊断中的应用研究

在线全文

学校读者我要写书评

暂无评论

机械工程学报 2019年第7期55卷 81-88页

作者：沈长青汤盛浩江星星石娟娟王俊朱忠奎苏州大学轨道交通学院

对机械装备轴承等关键对象的健康状态监测正在步入大数据、智能化时代。传统的轴承故障诊断方法大多数依靠人工提取特征,这需要依赖于复杂的信号处理方法以及丰富的专业经验积累。深度学习方法作为一种可以学习数据深层次特征的新的机... 详细信息

对机械装备轴承等关键对象的健康状态监测正在步入大数据、智能化时代。传统的轴承故障诊断方法大多数依靠人工提取特征,这需要依赖于复杂的信号处理方法以及丰富的专业经验积累。深度学习方法作为一种可以学习数据深层次特征的新的机器学习方法,将其引入机械故障诊断领域,并对其运行效率、故障识别精度进行提升,将进一步提高基于深度学习方法在故障诊断领域的实用性。提出一种基于Nesterov动量法的独立自适应学习率优化的深度信念网络,引入Nesterov动量法代替传统动量法预测参数下降的位置,控制参数达到最优点的速度,避免了传统动量法引起的错过最优点问题;利用独立自适应学习率在梯度更新时自适应选择下降步长,加快模型训练,提高模型的泛化能力。试验结果表明,在诊断精度上,相比支持向量机和标准深度信念网络,提出的方法对不同载荷工况下轴承故障识别均获得了最高的精度;在运行效率上,相比现有一些优化算法,该优化模型能够稳定有效的加快模型训练速度,提升深度信念网络的泛化能力,有效地实现轴承故障诊断。

关键词：机械装备故障诊断 Nesterov动量法独立自适应学习率深度信念网络

快速固有成分滤波特征融合的轴承故障诊断方法

在线全文

学校读者我要写书评

暂无评论

机械工程学报 2022年第22期58卷 129-139页

作者：江星星彭德民沈长青刘颉郭剑峰朱忠奎苏州大学轨道交通学院苏州215131 华中科技大学土木与水利工程学院武汉430074 中国铁道科学研究院集团有限公司基础设施检测研究所北京100081

稀疏滤波故障特征增强方法依托故障信息固有的稀疏性可以有效实现轴承微弱故障诊断,但其存在两类弊端:经验地设置其输入、输出维度,引起特征提取效果的不确定性;需要利用先验知识从优化的权重矩阵中严格地筛选出特定成分,造成故障特征... 详细信息

稀疏滤波故障特征增强方法依托故障信息固有的稀疏性可以有效实现轴承微弱故障诊断,但其存在两类弊端:经验地设置其输入、输出维度,引起特征提取效果的不确定性;需要利用先验知识从优化的权重矩阵中严格地筛选出特定成分,造成故障特征信息损失。针对上述问题,提出快速固有成分滤波特征融合方法。首先,引入复杂性测度设计自适应的稀疏滤波维度参数选取准则,并采用稀疏滤波优化目标指数遴选出一簇故障信息丰富的融合源;其次,建立故障特征融合源流形学习融合策略,包括改进流形学习方法融合遴选出的融合源,构造融合分量异常幅值检测策略和给出了最大化故障信息的融合分量加权表示。提出方法可解决稀疏滤波维度参数选择、特征筛选造成信息损失和固有流形幅值异常引起包络谱奇异等问题。仿真和试验结果验证所提出方法相较于现有流形学习和稀疏滤波等方法具有更强的轴承微弱故障特征提取能力。

关键词：故障诊断稀疏滤波流形学习特征融合滚动轴承

在线全文

学校读者我要写书评

暂无评论

变螺旋角内螺线电解加工计算机仿真系统研究

机械制造 2010年第6期48卷 43-45页

作者：沈长清石中文首钢水城钢铁(集团)有限责任公司动力厂贵州六盘水553028 重庆韬瑞科技有限责任公司重庆400020

变螺旋角内螺线电解加工需要通过试验反复修正阴极,研制周期长,试验难度大。采用OpenGL三维图形标准在Visual C ++编程环境下,开发计算机仿真系统,绘制阴极工作齿三维图形,利用专家系统提供的加工参数,实现对阴极运动轨迹及加工过程的仿... 详细信息

变螺旋角内螺线电解加工需要通过试验反复修正阴极,研制周期长,试验难度大。采用OpenGL三维图形标准在Visual C ++编程环境下,开发计算机仿真系统,绘制阴极工作齿三维图形,利用专家系统提供的加工参数,实现对阴极运动轨迹及加工过程的仿真,最后对虚拟加工螺线进行线型检验,输出参数,用计算机完成阴极的虚拟设计。结果表明,这是减少实验工作量,缩短阴极设计周期的有效途径。

关键词：电解加工(ECM) 计算机仿真阴极设计