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

基于信息融合和SA-CNN的轴承故障诊断

机械与电子 2024年第7期 3-9页

作者：王云徐彦伟何可承颉潭成王军华蔡海潮河南科技大学机电工程学院智能数控装备河南省工程实验室

针对轴承故障特征提取困难、输入信号单一及故障识别率低等问题，提出基于多头注意力机制信息融合和自注意力机制卷积神经网络的轴承故障诊断方法。首先，预制地铁牵引电机轴承故障，搭建变工况轴承实验台并设计实验方案，采集轴承振动... 详细信息

针对轴承故障特征提取困难、输入信号单一及故障识别率低等问题，提出基于多头注意力机制信息融合和自注意力机制卷积神经网络的轴承故障诊断方法。首先，预制地铁牵引电机轴承故障，搭建变工况轴承实验台并设计实验方案，采集轴承振动信号和声发射信号；其次，利用多头注意力机制将轴承的振动信号和声发射信号进行融合；最后，将融合后的信号输入自注意力机制卷积神经网络中进行故障诊断。实验结果表明，基于多头注意力机制信息融合和SA-CNN的轴承故障智能诊断方法，可以有效关注到轴承故障特征信号，提升变工况下轴承故障诊断的准确率。

关键词：轴承故障诊断多头注意力机制信息融合自注意力机制 CNN

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于图卷积网络的轴承故障诊断

煤矿机械 2024年第3期45卷 152-155页

作者：赵舜赵文燕张洪滔李雅婧卫思聪中北大学机械工程学院太原030051 山西金意科特种设备检验检测有限公司山西运城044000

针对基于图卷积网络(GCN)的故障诊断方法大多默认节点间的权重相同、导致诊断精度较低与鲁棒性较差的问题,提出了一种基于欧式距离和余弦距离的GCN故障诊断方法(EC-GCN)。首先,充分考虑节点间的数值特征和方向特征,利用欧式距离和余弦... 详细信息

针对基于图卷积网络(GCN)的故障诊断方法大多默认节点间的权重相同、导致诊断精度较低与鲁棒性较差的问题,提出了一种基于欧式距离和余弦距离的GCN故障诊断方法(EC-GCN)。首先,充分考虑节点间的数值特征和方向特征,利用欧式距离和余弦距离构建加权样本关联图。其次,利用GCN对样本关联图的故障特征进行提取。最后,将故障特征输入分类器进行分类识别。对公开轴承数据集进行测试,EC-GCN方法能够有效提取轴承故障特征,故障分类精度达到了98.93%。

关键词： GCN 轴承故障诊断加权关联图

鹈鹕算法优化VMD参数与RF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

机械工程师 2024年第7期 59-62,66页

作者：纪佳呈沈阳化工大学机械与动力工程学院沈阳110142

为更好地提取滚动轴承故障特征以及提高故障检测的准确性,建立一种以鹈鹕算法优化变分模态分解(VMD)参数联合随机森林算法的故障诊断模型。首先为解决VMD算法中人为经验选取核心参数可靠性低这一问题,引入鹈鹕优化算法(POA),将最小包络... 详细信息

为更好地提取滚动轴承故障特征以及提高故障检测的准确性,建立一种以鹈鹕算法优化变分模态分解(VMD)参数联合随机森林算法的故障诊断模型。首先为解决VMD算法中人为经验选取核心参数可靠性低这一问题,引入鹈鹕优化算法(POA),将最小包络熵作为适应度函数,自动搜索理想参数;其次,提取轴承各状态的多种信号特征,构建特征向量,获得重要性排序;最后将其放入随机森林(RF)分类器中,实现滚动轴承故障识别。结果表明,该方法在信号的自适应分解、有效故障信息的提取和故障分类方面具有较高的可行性,故障识别率为99.524%。

关键词：变分模态分解(VMD) 鹈鹕优化算法(POA) 随机森林(RF) 轴承故障诊断

基于MTF-DFT的小型残差网络轴承故障诊断

在线全文

学校读者我要写书评

暂无评论

机电工程技术 2024年第4期53卷 316-320页

作者：孙昊郑建明吉林化工学院信息与控制工程学院吉林吉林132022

针对传统的一维振动信号在噪声环境下故障特征信息表现不够明显以及特征辨识性差、抗噪能力不强等问题,提出一种融合马尔可夫转移场的傅里叶变换特征提取方法和加入注意力机制的小型残差网络滚动轴承故障诊断模型。利用MTF保留信号之间... 详细信息

针对传统的一维振动信号在噪声环境下故障特征信息表现不够明显以及特征辨识性差、抗噪能力不强等问题,提出一种融合马尔可夫转移场的傅里叶变换特征提取方法和加入注意力机制的小型残差网络滚动轴承故障诊断模型。利用MTF保留信号之间的时间特性和DFT变换对于图像良好的抗噪性能,将一维轴承振动信号转换为二维灰度特征图,之后输入加入注意力机制的小型残差网络ResNet网络中进行故障特征提取,并引入通道注意力模块和空间注意力模块实现特征的自适应加权,经过softmax分类实现故障分类。采用凯斯西储大学轴承数据对模型进行验证,并对模型的抗噪性能进行分析。结果表明,该模型准确率达到99.66%。并且在信噪比为-3 dB的情况下,模型的准确率仍能达到60.29%。

关键词：轴承故障诊断注意力机制马尔可夫转移场傅里叶变换

维普期刊数据库博看期刊

在线全文

学校读者我要写书评

暂无评论

基于深度学习的列车轴承故障诊断研究

中国新技术新产品 2024年第2期 45-47页

作者：王华勇郭占广田贺青岛杰瑞工控技术有限公司山东青岛266520

作为列车运行的重要部件,轴承的健康状态是决定列车安全运行的重要因素。轴承的故障诊断一直是行业研究热点。本文针对传统模型提取特征不足、特征信息丢失严重、模型准确率低以及分析识别时间长等问题,结合胶囊神经网络的特征结构,提... 详细信息

作为列车运行的重要部件,轴承的健康状态是决定列车安全运行的重要因素。轴承的故障诊断一直是行业研究热点。本文针对传统模型提取特征不足、特征信息丢失严重、模型准确率低以及分析识别时间长等问题,结合胶囊神经网络的特征结构,提出了基于深度学习的列车轴承故障诊断研究方法。模型以凯斯西储大学的轴承故障数据为数据集。改进后的神经网络模型在识别准确率、识别速度方面均有提升,本文算法具有一定的先进性。

关键词：人工智能胶囊神经网络轴承故障诊断

深度子领域自适应网络电机滚动轴承跨工况故障诊断

在线全文

学校读者我要写书评

暂无评论

电工技术学报 2024年第1期39卷 182-193页

作者：宋向金孙文举刘国海赵文祥王照伟江苏大学电气信息工程学院镇江212013

针对实际生产中旋转机械工况变化引起状态监测数据分布差异及获取待诊断样本标签困难问题,提出多尺度子领域自适应模型(MSDAM)的跨工况下滚动轴承故障诊断方法。首先,以原始振动信号作为输入,无需信号预处理及人工特征参数提取;其次,搭... 详细信息

针对实际生产中旋转机械工况变化引起状态监测数据分布差异及获取待诊断样本标签困难问题,提出多尺度子领域自适应模型(MSDAM)的跨工况下滚动轴承故障诊断方法。首先,以原始振动信号作为输入,无需信号预处理及人工特征参数提取;其次,搭建多尺度卷积神经网络将已知标签样本和待诊断样本特征迁移到同一子空间,捕获具有细粒度信息的多尺度公共特征;然后,以不同的故障类型来划分相关子域,并通过局部最大均值距离(LMMD)来完成子域的适配,有效削弱不同工况同类故障特征的分布差异;最后,在三个数据集的多个迁移任务上进行试验验证。结果证明,所提MSDAM的跨工况故障诊断性能优于关注全局领域适配的迁移学习方法。

关键词：轴承故障诊断子领域自适应迁移学习软标签学习

CSC-RCMSDE结合MRVM的轴承声振融合故障诊断算法

在线全文

学校读者我要写书评

暂无评论

机械科学与技术 2024年

作者：杨岗徐五一邓琴成雷王志旗西南交通大学机械工程学院西南交通大学唐山研究院

现有滚动轴承智能诊断算法主要基于单一振动加速度信号，且特征提取过程需要人为选择，无法保证特征质量的稳定性。针对此问题，提出了基于轴承故障声振融合特征的多核参数优化的多分类相关向量机（Multiclass Relevance vector machine... 详细信息

现有滚动轴承智能诊断算法主要基于单一振动加速度信号，且特征提取过程需要人为选择，无法保证特征质量的稳定性。针对此问题，提出了基于轴承故障声振融合特征的多核参数优化的多分类相关向量机（Multiclass Relevance vector machine， MRVM）轴承故障诊断算法。首先，提出了综合轮廓系数（Combined silhouette coefficient， CSC）概念；其次，利用CSC作为适应度函数，自适应地确定了提取精细复合多尺度符号动态熵（Refined composite multiscale symbolic dynamic entropy， RCMSDE）特征时所依赖的符号数■和嵌入维数■，从而得到了类别区分度最大的特征样本；最后结合多核参数优化的MRVM实现了基于轴承声振信号融合特征的故障诊断。使用西储大学公开数据集验证了CSC用于量化样本特征向量间类别区分度的有效性；通过某高速列车牵引电机轴承试验台数据验证了所提CSC-RCMSDE-MRVM方法的有效性，故障识别准确率达到99.91%，高于传统RCMSE-MRVM方法的99.39%、RCMFE-MRVM方法的99.55%和单通道CSC-RCMSDE-MRVM方法（振动信号96.01%和声学信号98.95%）。

关键词：轴承故障诊断精细复合多尺度符号动态熵多分类相关向量机综合轮廓系数声振融合

基于边界辅助判别的滚动轴承故障特征增强及诊断方法

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

机电工程 2024年第4期41卷 643-650页

作者：李佰霖鲁大臣付文龙陈禹朋三峡大学电气与新能源学院湖北宜昌443002

滚动轴承作为机械设备重要部件,对保障设备安全稳定运行具有重要意义。针对实际诊断中的滚动轴承故障数据不平衡问题,提出了一种基于边界辅助判别的辅助分类生成对抗网络模型(BD-ACGAN)。首先,设计了一种可用于提取故障样本边界细节特... 详细信息

滚动轴承作为机械设备重要部件,对保障设备安全稳定运行具有重要意义。针对实际诊断中的滚动轴承故障数据不平衡问题,提出了一种基于边界辅助判别的辅助分类生成对抗网络模型(BD-ACGAN)。首先,设计了一种可用于提取故障样本边界细节特征的边界辅助判别器,以引导生成器生成更真实的样本,并采用该生成样本解决了数据不平衡的问题;其次,采用了自适应权重损失模块,动态调整了损失权重,使该模型更加关注重要的特征信息,从而提高了该模型的生成质量和特征表达能力;利用生成样本和真实样本数据对BD-ACGAN模型进行了增强训练,提高了该模型的泛化能力和诊断能力;最后,进行了消融实验及对照实验,对BD-ACGAN模型的特征增强能力和诊断效果进行了验证,分别采用美国凯斯西储大学和西安交通大学滚动轴承数据集对模型进行了实验验证。研究结果表明:该BD-ACGAN模型能够有效利用故障样本的边界特征解决数据不平衡问题,并且故障诊断精确度为98.79%,优于其他对照模型,为滚动轴承故障诊断提供了一种新的方法。

关键词：轴承故障诊断数据不平衡边界辅助判别的辅助分类生成对抗网络故障特征增强自适应权重损失数据集增广

基于改进GAN的水力测功器轴承故障在线诊断方法

在线全文

学校读者我要写书评

暂无评论

科学技术与工程 2024年第14期24卷 5804-5811页

作者：何鹏罗智浩胡蓉田震中国航发湖南动力机械研究所株洲412002

基于数据驱动的轴承故障诊断方法已成为轴承故障诊断领域研究的重点,但由于水力测功器轴承故障情况极少,导致基于数据驱动的轴承故障诊断准确率低。针对上述问题,提出了一种基于改进生成对抗神经网络(generative adversarial networks,G... 详细信息

基于数据驱动的轴承故障诊断方法已成为轴承故障诊断领域研究的重点,但由于水力测功器轴承故障情况极少,导致基于数据驱动的轴承故障诊断准确率低。针对上述问题,提出了一种基于改进生成对抗神经网络(generative adversarial networks,GAN)的水力测功器轴承故障在线诊断方法,首先对生GAN训练方法进行改进,用改进的GAN交替训练判别器和生成器学习原始数据的分布特性,建立了水力测功器轴承故障数据增强模型得到合成数据。然后结合原始数据和合成数据训练得到基于SVM的轴承故障诊断模型。最后采用该轴承故障诊断模型实现水力测功器轴承故障在线诊断。仿真结果表明,所提出的故障在线诊断方法通过改进GAN增强训练极大提升了轴承故障诊断的实时准确率,并具有抗噪声干扰性强的特点。

关键词：水力测功器轴承故障诊断改进GAN 数据增强