期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
基于格拉姆角场与深度卷积生成对抗网络的行星齿轮箱故障诊断 被引量:4
1
作者 古莹奎 石昌武 陈家芳 《噪声与振动控制》 CSCD 北大核心 2024年第1期111-118,共8页
针对行星齿轮箱故障诊断中样本分布不均衡所引起的模型泛化能力差及诊断精度低等问题,采用格拉姆角场图像编码技术和深度卷积生成对抗网络相结合进行数据增强,融合AlexNet卷积神经网络进行故障诊断。将采集到的一维振动信号转化为格拉... 针对行星齿轮箱故障诊断中样本分布不均衡所引起的模型泛化能力差及诊断精度低等问题,采用格拉姆角场图像编码技术和深度卷积生成对抗网络相结合进行数据增强,融合AlexNet卷积神经网络进行故障诊断。将采集到的一维振动信号转化为格拉姆角场图,按比例划分训练集与测试集,将训练集样本与随机向量输入到深度卷积生成对抗网络模型中,交替训练生成器与判别器,达到纳什平衡,生成与原始样本类似的生成样本,从而实现故障样本的增广。用原始样本与生成的增广样本训练卷积神经网络分类模型,完成行星齿轮箱的故障识别。实验结果表明,所提方法能够有效提升样本不均衡条件下的行星齿轮箱故障诊断精度,使之达到99.15%,且能使收敛速度更快。 展开更多
关键词 故障诊断 格拉姆角场 深度卷积生成对抗网络 卷积神经网络 行星齿轮箱
在线阅读 下载PDF
基于MRSDAE-KPCA结合Bi-LST的滚动轴承剩余使用寿命预测 被引量:1
2
作者 古莹奎 陈家芳 石昌武 《噪声与振动控制》 CSCD 北大核心 2024年第3期95-100,145,共7页
针对现有滚动轴承剩余使用寿命预测方法在提取数据特征时没有充分考虑数据的内部分布,且在构建健康因子时还需要专家经验进行人工提取等问题,提出一种基于流形正则化堆栈去噪自编码器、核主成分分析并结合双向长短时记忆网络的滚动轴承... 针对现有滚动轴承剩余使用寿命预测方法在提取数据特征时没有充分考虑数据的内部分布,且在构建健康因子时还需要专家经验进行人工提取等问题,提出一种基于流形正则化堆栈去噪自编码器、核主成分分析并结合双向长短时记忆网络的滚动轴承剩余使用寿命预测方法。首先采用无监督的堆栈去噪自编码器网络对原始振动数据进行深层特征提取,并使用核主成分分析法进一步降维,以提高健康因子的指标稳定性;然后在堆栈去噪自编码器中加入流形正则化,最大程度保留编码器隐藏层内部的数据分布结构,提高模型提取数据特征的有效性。最后使用双向长短时记忆网络预测轴承的剩余使用寿命,并采用AdaMax优化算法对网络模型的超参数进行自适应寻优。分析结果表明,提出的滚动轴承剩余使用寿命预测方法具有更高的精度。 展开更多
关键词 故障诊断 滚动轴承 剩余使用寿命预测 健康因子 流形正则化堆栈去噪自编码器 双向长短时记忆网络
在线阅读 下载PDF
基于EWM和SVR的滚动轴承剩余使用寿命预测方法 被引量:3
3
作者 古莹奎 汪源金 石昌武 《中国安全科学学报》 CAS CSCD 北大核心 2023年第9期49-55,共7页
为解决滚动轴承有限全寿命监测数据情况下退化特征分布失真导致轴承剩余使用寿命(RUL)预测精度不高的问题,提出一种基于熵权法(EWM)和支持向量回归(SVR)的轴承RUL预测方法。首先,提取振动信号的时域和频域特征,并对特征进行对数变换;然... 为解决滚动轴承有限全寿命监测数据情况下退化特征分布失真导致轴承剩余使用寿命(RUL)预测精度不高的问题,提出一种基于熵权法(EWM)和支持向量回归(SVR)的轴承RUL预测方法。首先,提取振动信号的时域和频域特征,并对特征进行对数变换;然后,通过EWM确定指标权重实现特征选择;最后,采用麻雀搜索算法(SSA)优化SVR模型,以主成分分析(PCA)降维后的低维特征作为优化后的SVR模型的输入,RUL占比作为输出,从而实现轴承剩余寿命的预测。结果表明:在有限监测数据情况下,与其他方法相比,所提方法不但预测性能更加稳定,而且预测的绝对误差平均降低19.51%,均方误差(MSE)平均降低17.73%。 展开更多
关键词 熵权法(EWM) 支持向量回归(SVR) 滚动轴承 剩余使用寿命(RUL)预测 麻雀搜索算法(SSA)
在线阅读 下载PDF
棉花土传病害的主要防控技术 被引量:2
4
作者 熊桂华 荣国忠 +2 位作者 熊莉 石昌武 汤建国 《江西棉花》 2008年第2期60-61,共2页
关键词 棉花枯萎病 土传病害 防控技术 植物病害防治 棉花黄萎病 病害发生 棉花生产 防控措施
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部