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
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：
基于长短期记忆网络的轴承故障识别 被引量：12
1
作者 唐赛 何荇兮 +1 位作者 张家悦 尹爱军 《汽车工程学报》 2018年第4期297-303,共7页
提出一种基于长短期记忆网络的可以无需预先提取故障特征的轴承故障识别方法。原始的轴承故障振动信号被分成训练集和测试集,将训练集数据映射到线性网络层,通过长短期记忆网络训练参数,再输入到softmax网络层得到分类类别的概率分布,... 提出一种基于长短期记忆网络的可以无需预先提取故障特征的轴承故障识别方法。原始的轴承故障振动信号被分成训练集和测试集,将训练集数据映射到线性网络层,通过长短期记忆网络训练参数,再输入到softmax网络层得到分类类别的概率分布,在训练迭代次数达到预设值并且识别准确率收敛之后,测试集数据采用训练好的参数得到分类结果,最后计算预测正确率。模型对含有内外圈和滚动体点蚀故障的轴承数据进行识别试验,结果表明该模型能够有效识别轴承的故障部位和故障程度,与预先提取小波包能量特征的长短期记忆网络模型和支持向量机模型的比较证明该模型识别正确率更高。 展开更多
关键词 轴承故障识别 长短期记忆网络 时间序列 自动提取特征
下载PDF
基于注意力机制的双向门控循环单元网络齿轮故障识别系统 被引量：2
2
作者 冯贤洋 何荇兮 +2 位作者 符礼丹 陆彬春 陈鸣辉 《汽车工程学报》 2023年第1期111-117,共7页
提出一种基于注意力机制(Attention Mechanism,AM)的双向门控循环神经网络模型的齿轮故障识别系统。使用基于STM32的嵌入式主控制器分别采集正常齿轮、断齿齿轮、轮齿剥落齿轮等3种故障齿轮工作时的振动传感器数据,使用基于注意力机制... 提出一种基于注意力机制(Attention Mechanism,AM)的双向门控循环神经网络模型的齿轮故障识别系统。使用基于STM32的嵌入式主控制器分别采集正常齿轮、断齿齿轮、轮齿剥落齿轮等3种故障齿轮工作时的振动传感器数据,使用基于注意力机制的双向门控循环单元网络模型进行齿轮故障识别。双向门控循环神经网络模型添加了注意力机制,保留输入特征的重要信息,不随步长增加而消失。将采集到的原始数据集按7∶2∶1的比例划分为训练集、验证集和测试集。测试集模型的齿轮故障识别准确率达到了99.67%,与GRU和Bi-GRU等模型的结果对比证明该模型的正确率更高。本系统可用于汽车变速器的监测与故障诊断。 展开更多
关键词 嵌入式 齿轮故障识别 双向门控网络 注意力机制
下载PDF
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
使用帮助 返回顶部