期刊导航
期刊开放获取
VIP36
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于格拉姆角差场和生成对抗网络的小样本滚动轴承故障诊断方法
被引量：
1
1
作者
强睿儒
赵小强
《华南理工大学学报（自然科学版）》
EI
CAS
CSCD
北大核心
2024年第10期64-75,共12页
针对基于深度学习的滚动轴承故障诊断算法需要从大量标注数据中学习,且面对样本数量受限时诊断效果不佳的问题,文中提出了一种基于格拉姆角差场(GADF)和生成对抗网络(GAN)的小样本滚动轴承故障诊断方法。首先,提出了基于GADF变换的数据...
针对基于深度学习的滚动轴承故障诊断算法需要从大量标注数据中学习,且面对样本数量受限时诊断效果不佳的问题,文中提出了一种基于格拉姆角差场(GADF)和生成对抗网络(GAN)的小样本滚动轴承故障诊断方法。首先,提出了基于GADF变换的数据增强方式,将少数1维振动信号通过GADF变换转换为2维GADF图像,并通过裁剪得到GADF子图,从而得到大量的图像样本;然后,将条件生成对抗网络(CGAN)与带有梯度惩罚的Wasserstein GAN(WGAN-GP)相结合,构建一种新的生成对抗网络,该网络通过条件辅助信息与梯度惩罚增强模型训练稳定性,并设计动态坐标注意力机制以增强模型的空间感知能力,从而生成高质量样本;最后,使用生成的样本对分类器进行训练,并在验证集上得到诊断结果。文中分别使用东南大学数据集和美国凯斯西储大学(CWRU)数据集进行了两组小样本环境下的轴承故障诊断实验。结果表明,与传统生成对抗网络以及先进的小样本故障诊断方法相比,文中所提方法的准确率和精确率等5项故障诊断指标均获得最好的结果,可以准确诊断出小样本条件下的轴承故障类型。
展开更多
关键词
小样本轴承故障诊断
格拉姆角差场
生成对抗网络
注意力机制
在线阅读
下载PDF
职称材料
基于改进的哈里斯鹰优化算法的特征选择
被引量：
2
2
作者
赵小强
强睿儒
《兰州理工大学学报》
CAS
北大核心
2023年第5期93-101,共9页
特征选择是一项旨在通过移除不相关、冗余的数据来减少特征数量,同时可以保持较高的分类精度的机器学习任务.针对哈里斯鹰优化算法(HHO)不能在离散的特征空间进行特征选择,以及算法后期种群多样性减少、易陷入局部最优等问题,提出了基...
特征选择是一项旨在通过移除不相关、冗余的数据来减少特征数量,同时可以保持较高的分类精度的机器学习任务.针对哈里斯鹰优化算法(HHO)不能在离散的特征空间进行特征选择,以及算法后期种群多样性减少、易陷入局部最优等问题,提出了基于改进的哈里斯鹰的特征选择算法.首先使用混沌映射初始种群多样化,以确保在种群质量较优的前提下能够均匀分布于搜索空间;其次,通过引入高斯变异算子对兔子的位置进行重新更新,以避免算法陷入局部最优;最后设计二次优化算法的二进制版本并将其应用于基于KNN分类器的包裹式特征选择问题中.通过在18个经典的UCI数据集进行特征选择仿真实验,结果显示该算法在适应度值、平均分类准确度以及平均特征选择数量上比其他主流算法都能获得更好的结果,从而表明该算法能够进行有效的提取特征子集和得到更准确的数据分类,并能够实现更高的寻优精度.
展开更多
关键词
包裹式特征选择
哈里斯鹰优化算法
混沌映射
高斯变异
在线阅读
下载PDF
职称材料
题名
基于格拉姆角差场和生成对抗网络的小样本滚动轴承故障诊断方法
被引量：
1
1
作者
强睿儒
赵小强
机构
兰州理工大学电气工程与信息工程学院
出处
《华南理工大学学报（自然科学版）》
EI
CAS
CSCD
北大核心
2024年第10期64-75,共12页
基金
国家自然科学基金资助项目(62263021,62163023)
甘肃省高校产业支撑计划项目(2023CYZC-24)。
文摘
针对基于深度学习的滚动轴承故障诊断算法需要从大量标注数据中学习,且面对样本数量受限时诊断效果不佳的问题,文中提出了一种基于格拉姆角差场(GADF)和生成对抗网络(GAN)的小样本滚动轴承故障诊断方法。首先,提出了基于GADF变换的数据增强方式,将少数1维振动信号通过GADF变换转换为2维GADF图像,并通过裁剪得到GADF子图,从而得到大量的图像样本;然后,将条件生成对抗网络(CGAN)与带有梯度惩罚的Wasserstein GAN(WGAN-GP)相结合,构建一种新的生成对抗网络,该网络通过条件辅助信息与梯度惩罚增强模型训练稳定性,并设计动态坐标注意力机制以增强模型的空间感知能力,从而生成高质量样本;最后,使用生成的样本对分类器进行训练,并在验证集上得到诊断结果。文中分别使用东南大学数据集和美国凯斯西储大学(CWRU)数据集进行了两组小样本环境下的轴承故障诊断实验。结果表明,与传统生成对抗网络以及先进的小样本故障诊断方法相比,文中所提方法的准确率和精确率等5项故障诊断指标均获得最好的结果,可以准确诊断出小样本条件下的轴承故障类型。
关键词
小样本轴承故障诊断
格拉姆角差场
生成对抗网络
注意力机制
Keywords
small sample bearing fault diagnosis
Gramian angular difference field
generative adversarial net⁃work
attention mechanism
分类号
TP185 [自动化与计算机技术—控制理论与控制工程]
TH133.3 [机械工程—机械制造及自动化]
在线阅读
下载PDF
职称材料
题名
基于改进的哈里斯鹰优化算法的特征选择
被引量：
2
2
作者
赵小强
强睿儒
机构
兰州理工大学电气工程与信息工程学院
兰州理工大学甘肃省工业过程先进控制重点实验室
兰州理工大学国家级电气与控制工程实验教学中心
出处
《兰州理工大学学报》
CAS
北大核心
2023年第5期93-101,共9页
基金
国家自然科学基金(62263021),甘肃省教育厅产业支撑计划项目(2023CYZC-24)。
文摘
特征选择是一项旨在通过移除不相关、冗余的数据来减少特征数量,同时可以保持较高的分类精度的机器学习任务.针对哈里斯鹰优化算法(HHO)不能在离散的特征空间进行特征选择,以及算法后期种群多样性减少、易陷入局部最优等问题,提出了基于改进的哈里斯鹰的特征选择算法.首先使用混沌映射初始种群多样化,以确保在种群质量较优的前提下能够均匀分布于搜索空间;其次,通过引入高斯变异算子对兔子的位置进行重新更新,以避免算法陷入局部最优;最后设计二次优化算法的二进制版本并将其应用于基于KNN分类器的包裹式特征选择问题中.通过在18个经典的UCI数据集进行特征选择仿真实验,结果显示该算法在适应度值、平均分类准确度以及平均特征选择数量上比其他主流算法都能获得更好的结果,从而表明该算法能够进行有效的提取特征子集和得到更准确的数据分类,并能够实现更高的寻优精度.
关键词
包裹式特征选择
哈里斯鹰优化算法
混沌映射
高斯变异
Keywords
wrapped feature selection
Harris hawk optimization algorithm
chaotic mapping
Gaussian mutation
分类号
TM761 [电气工程—电力系统及自动化]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于格拉姆角差场和生成对抗网络的小样本滚动轴承故障诊断方法
强睿儒
赵小强
《华南理工大学学报（自然科学版）》
EI
CAS
CSCD
北大核心
2024
1
在线阅读
下载PDF
职称材料
2
基于改进的哈里斯鹰优化算法的特征选择
赵小强
强睿儒
《兰州理工大学学报》
CAS
北大核心
2023
2
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
