期刊导航
期刊开放获取
cqvip
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
3
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
分布外样本干扰下基于改进半监督原型网络的齿轮箱跨域故障诊断
1
作者
邵海东
林健
+1 位作者
闵
志
闪
明宇航
《机械工程学报》
EI
CAS
CSCD
北大核心
2024年第4期212-221,共10页
实际工程中难以获取充足可用且同分布的齿轮箱故障样本,此外,获取的无标签样本难免会混入一些分布外的未知干扰样本,这些将给现有的齿轮箱智能故障诊断研究带来难题。提出一种改进半监督原型网络,面向分布外样本干扰,实现少样本下不同...
实际工程中难以获取充足可用且同分布的齿轮箱故障样本,此外,获取的无标签样本难免会混入一些分布外的未知干扰样本,这些将给现有的齿轮箱智能故障诊断研究带来难题。提出一种改进半监督原型网络,面向分布外样本干扰,实现少样本下不同工况间的齿轮箱跨域故障诊断。首先,设计一种标签分配准则,既可以充分挖掘利用无标签样本信息,为无标签样本赋予伪标签,同时也可以有效抑制分布外未知样本的干扰。然后,定义一种基于标签平滑和度量缩放的修正代价函数,可以灵活有效地评估故障样本之间的相似性,挖掘元学习任务的通用特性,进一步提高模型泛化性。将所提方法用于分析不同健康状态的齿轮箱试验数据,并设置不同的少样本跨域诊断场景和分布外干扰样本进行对比验证。试验结果表明,相比现有方法,所提方法可以更有效地实现少样本下不同工况间的齿轮箱跨域故障诊断。
展开更多
关键词
改进半监督原型网络
齿轮箱故障诊断
分布外干扰样本
标签分配准则
修正代价函数
原文传递
基于改进ACGAN的齿轮箱多模式数据增强与故障诊断
被引量：
1
2
作者
邵海东
李伟
+1 位作者
林健
闵
志
闪
《交通运输工程学报》
EI
CSCD
北大核心
2023年第3期188-197,共10页
针对现有生成对抗网络(GAN)难以高效率生成多模式的故障样本和训练不稳定问题,提出了一种改进辅助分类生成对抗网络(ACGAN),并将其用于齿轮箱多模式数据增强和智能故障诊断,以确保运载工具的安全运行;引入独立的分类器构建新型ACGAN框架...
针对现有生成对抗网络(GAN)难以高效率生成多模式的故障样本和训练不稳定问题,提出了一种改进辅助分类生成对抗网络(ACGAN),并将其用于齿轮箱多模式数据增强和智能故障诊断,以确保运载工具的安全运行;引入独立的分类器构建新型ACGAN框架,改善了经典ACGAN的分类精度与判别精度之间的兼容性;使用Wasserstein距离定义具有平滑特性的新型对抗损失函数,以此克服GAN易出现模式崩塌和梯度消失的缺点;引入谱归一化方法替代权重裁剪,限制判别器的权重参数,提高对抗训练过程的稳定性;为验证改进ACGAN的有效性和优越性,对齿轮箱的6类健康状态样本进行试验分析。分析结果表明:改进ACGAN生成的故障样本在数据层面和特征层面取得了更好的质量评估结果,其中基于结构相似度的评估指标平均优于对比方法0.2493,基于最大平均差异的评估指标平均优于对比方法0.6966;改进ACGAN的训练过程更加稳定,其损失函数具有更优的收敛性,同时在多模式故障诊断情景下具有更高的效率,其训练时间缩减为对比方法的20%;针对故障样本缺失的情况,改进ACGAN的生成样本能有效辅助深度学习智能故障诊断模型的训练,可将诊断精度由75.34%提升至97.06%。
展开更多
关键词
车辆工程
齿轮箱
故障诊断
改进辅助分类生成对抗网络
数据增强
谱归一化
原文传递
区块链和边缘计算赋能的联邦学习故障诊断框架
3
作者
邵海东
肖一鸣
+2 位作者
闵
志
闪
韩淞宇
张海舟
《机械工程学报》
EI
CSCD
北大核心
2023年第21期283-292,共10页
工业物联网助推机械故障诊断步入大数据时代,然而因各节点需要共享本地的私有数据而造成隐私泄露是当前工业物联网亟需解决的问题。联邦学习有望应用于工业物联网以实现在私有数据不离开本地存储的前提下,协同各节点训练诊断模型。然而...
工业物联网助推机械故障诊断步入大数据时代,然而因各节点需要共享本地的私有数据而造成隐私泄露是当前工业物联网亟需解决的问题。联邦学习有望应用于工业物联网以实现在私有数据不离开本地存储的前提下,协同各节点训练诊断模型。然而,联邦学习面临着以下诸多挑战。首先,联邦学习的中心化架构极易引发单点故障。其次,工业物联网中各节点的故障数据通常是非独立同分布的,以致联邦学习难以收敛。再次,联邦学习缺乏防御手段来阻止恶意节点的攻击。最后,联邦学习需要激励机制来鼓励节点分享资源。针对这些挑战,提出了一种区块链和边缘计算赋能的联邦学习故障诊断框架,采用去中心化的模式保障工业物联网中机械设备故障数据的隐私和安全。在此框架中,构造了一种特征对比损失函数来解决非独立同分布问题,设计了一种拜占庭容错的评分机制来抵抗投毒攻击,并开发了一种基于信誉的激励算法来评估应给予节点的奖励。所提方法被应用于工业物联网中风力发电机的行星齿轮箱故障诊断模拟场景,在私有本地数据不泄露的前提下,展现出最优的综合性能。
展开更多
关键词
区块链
边缘计算
故障诊断
联邦学习
工业物联网
原文传递
题名
分布外样本干扰下基于改进半监督原型网络的齿轮箱跨域故障诊断
1
作者
邵海东
林健
闵
志
闪
明宇航
机构
湖南大学机械与运载工程学院
出处
《机械工程学报》
EI
CAS
CSCD
北大核心
2024年第4期212-221,共10页
基金
国家自然科学基金(52275104)
湖南省科技创新计划(2023RC3097)
湖南省自然科学基金优秀青年科学基金(2021JJ20017)资助项目。
文摘
实际工程中难以获取充足可用且同分布的齿轮箱故障样本,此外,获取的无标签样本难免会混入一些分布外的未知干扰样本,这些将给现有的齿轮箱智能故障诊断研究带来难题。提出一种改进半监督原型网络,面向分布外样本干扰,实现少样本下不同工况间的齿轮箱跨域故障诊断。首先,设计一种标签分配准则,既可以充分挖掘利用无标签样本信息,为无标签样本赋予伪标签,同时也可以有效抑制分布外未知样本的干扰。然后,定义一种基于标签平滑和度量缩放的修正代价函数,可以灵活有效地评估故障样本之间的相似性,挖掘元学习任务的通用特性,进一步提高模型泛化性。将所提方法用于分析不同健康状态的齿轮箱试验数据,并设置不同的少样本跨域诊断场景和分布外干扰样本进行对比验证。试验结果表明,相比现有方法,所提方法可以更有效地实现少样本下不同工况间的齿轮箱跨域故障诊断。
关键词
改进半监督原型网络
齿轮箱故障诊断
分布外干扰样本
标签分配准则
修正代价函数
Keywords
improved semi-supervised prototype network
gearbox fault diagnosis
out-of-distribution interference samples
label allocation criterion
modified cost function
分类号
TH17 [机械工程—机械制造及自动化]
原文传递
题名
基于改进ACGAN的齿轮箱多模式数据增强与故障诊断
被引量：
1
2
作者
邵海东
李伟
林健
闵
志
闪
机构
湖南大学机械与运载工程学院
出处
《交通运输工程学报》
EI
CSCD
北大核心
2023年第3期188-197,共10页
基金
国家重点研发计划(2020YFB1712100)
国家自然科学基金项目(51905160)
湖南省自然科学基金项目(2020JJ20017)。
文摘
针对现有生成对抗网络(GAN)难以高效率生成多模式的故障样本和训练不稳定问题,提出了一种改进辅助分类生成对抗网络(ACGAN),并将其用于齿轮箱多模式数据增强和智能故障诊断,以确保运载工具的安全运行;引入独立的分类器构建新型ACGAN框架,改善了经典ACGAN的分类精度与判别精度之间的兼容性;使用Wasserstein距离定义具有平滑特性的新型对抗损失函数,以此克服GAN易出现模式崩塌和梯度消失的缺点;引入谱归一化方法替代权重裁剪,限制判别器的权重参数,提高对抗训练过程的稳定性;为验证改进ACGAN的有效性和优越性,对齿轮箱的6类健康状态样本进行试验分析。分析结果表明:改进ACGAN生成的故障样本在数据层面和特征层面取得了更好的质量评估结果,其中基于结构相似度的评估指标平均优于对比方法0.2493,基于最大平均差异的评估指标平均优于对比方法0.6966;改进ACGAN的训练过程更加稳定,其损失函数具有更优的收敛性,同时在多模式故障诊断情景下具有更高的效率,其训练时间缩减为对比方法的20%;针对故障样本缺失的情况,改进ACGAN的生成样本能有效辅助深度学习智能故障诊断模型的训练,可将诊断精度由75.34%提升至97.06%。
关键词
车辆工程
齿轮箱
故障诊断
改进辅助分类生成对抗网络
数据增强
谱归一化
Keywords
vehicle engineering
gearbox
fault diagnosis
improved auxiliary classification GAN
data augmentation
spectral normalization
分类号
U260 [机械工程—车辆工程]
原文传递
题名
区块链和边缘计算赋能的联邦学习故障诊断框架
3
作者
邵海东
肖一鸣
闵
志
闪
韩淞宇
张海舟
机构
湖南大学机械与运载工程学院
南京电子技术研究所
出处
《机械工程学报》
EI
CSCD
北大核心
2023年第21期283-292,共10页
基金
国家自然科学基金(52275104)
湖南省自然科学基金优秀青年科学基金(2021JJ20017)资助项目。
文摘
工业物联网助推机械故障诊断步入大数据时代,然而因各节点需要共享本地的私有数据而造成隐私泄露是当前工业物联网亟需解决的问题。联邦学习有望应用于工业物联网以实现在私有数据不离开本地存储的前提下,协同各节点训练诊断模型。然而,联邦学习面临着以下诸多挑战。首先,联邦学习的中心化架构极易引发单点故障。其次,工业物联网中各节点的故障数据通常是非独立同分布的,以致联邦学习难以收敛。再次,联邦学习缺乏防御手段来阻止恶意节点的攻击。最后,联邦学习需要激励机制来鼓励节点分享资源。针对这些挑战,提出了一种区块链和边缘计算赋能的联邦学习故障诊断框架,采用去中心化的模式保障工业物联网中机械设备故障数据的隐私和安全。在此框架中,构造了一种特征对比损失函数来解决非独立同分布问题,设计了一种拜占庭容错的评分机制来抵抗投毒攻击,并开发了一种基于信誉的激励算法来评估应给予节点的奖励。所提方法被应用于工业物联网中风力发电机的行星齿轮箱故障诊断模拟场景,在私有本地数据不泄露的前提下,展现出最优的综合性能。
关键词
区块链
边缘计算
故障诊断
联邦学习
工业物联网
Keywords
blockchain
edge computing
fault diagnosis
federated learning
industrial Internet of Things
分类号
TH17 [机械工程—机械制造及自动化]
原文传递
题名
作者
出处
发文年
被引量
操作
1
分布外样本干扰下基于改进半监督原型网络的齿轮箱跨域故障诊断
邵海东
林健
闵
志
闪
明宇航
《机械工程学报》
EI
CAS
CSCD
北大核心
2024
0
原文传递
2
基于改进ACGAN的齿轮箱多模式数据增强与故障诊断
邵海东
李伟
林健
闵
志
闪
《交通运输工程学报》
EI
CSCD
北大核心
2023
1
原文传递
3
区块链和边缘计算赋能的联邦学习故障诊断框架
邵海东
肖一鸣
闵
志
闪
韩淞宇
张海舟
《机械工程学报》
EI
CSCD
北大核心
2023
0
原文传递
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
