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
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JMFAN网络的跨轴承故障诊断
1
作者
刘智宏
史丽萍
+2 位作者
陈凯
玄
陈瑞
韩丽
《振动与冲击》
EI
CSCD
北大核心
2024年第11期118-125,共8页
工业生产中使用的电机轴承类型多种多样,由于数据标注成本高昂,往往存在某种型号的轴承缺乏带标签数据。针对上述问题,提出了一种用于无监督学习的联合多尺度特征自适应网络(joint multi-scale feature adaptation network, JMFAN),使...
工业生产中使用的电机轴承类型多种多样,由于数据标注成本高昂,往往存在某种型号的轴承缺乏带标签数据。针对上述问题,提出了一种用于无监督学习的联合多尺度特征自适应网络(joint multi-scale feature adaptation network, JMFAN),使用联合最大均值差异算法度量不同领域之间的距离,通过最小化领域间联合概率分布实现跨轴承故障诊断。围绕不同型号轴承在不同工况下的故障展开迁移学习研究,并进行试验验证。结果表明,该方法相比于传统的无监督迁移学习方法,可以显著提高在不同轴承故障诊断中准确率和模型泛化能力,在凯斯西储大学轴承数据下八个不同迁移任务中平均准确率达到了99.06%。
展开更多
关键词
迁移学习
无监督学习
领域自适应
跨轴承故障诊断
下载PDF
职称材料
基于角域重采样和领域对抗网络的滚动轴承故障迁移诊断方法及实验分析
2
作者
王攀攀
李兴宇
+4 位作者
戴诗科
徐瑞东
王宇佩
陈凯
玄
邓先明
《实验技术与管理》
CAS
北大核心
2024年第5期54-61,共8页
该文提出一种基于角域重采样和领域对抗神经网络的电机滚动轴承跨工况故障迁移诊断方法。首先对不同工况下的时域振动信号进行角域重采样,用以降低不同转速下振动信号的时频差异;然后利用领域对抗学习策略提取出源域与目标域数据中的领...
该文提出一种基于角域重采样和领域对抗神经网络的电机滚动轴承跨工况故障迁移诊断方法。首先对不同工况下的时域振动信号进行角域重采样,用以降低不同转速下振动信号的时频差异;然后利用领域对抗学习策略提取出源域与目标域数据中的领域不变特征,进一步减小不同工况间的数据分布差异。该文还搭建了电机滚动轴承故障诊断实验平台,针对6种跨工况迁移诊断任务开展了验证实验。实验结果表明,所提方法的故障平均迁移识别率高达95.08%。该故障诊断方法实验研究涉及信号处理、深度学习等领域知识,有助于学生掌握基本原理,锻炼理论联系实际的能力。
展开更多
关键词
故障诊断
迁移学习
滚动轴承
实验设计与分析
下载PDF
职称材料
题名
基于JMFAN网络的跨轴承故障诊断
1
作者
刘智宏
史丽萍
陈凯
玄
陈瑞
韩丽
机构
中国矿业大学电气工程学院
出处
《振动与冲击》
EI
CSCD
北大核心
2024年第11期118-125,共8页
基金
国家自然科学基金(62076243)。
文摘
工业生产中使用的电机轴承类型多种多样,由于数据标注成本高昂,往往存在某种型号的轴承缺乏带标签数据。针对上述问题,提出了一种用于无监督学习的联合多尺度特征自适应网络(joint multi-scale feature adaptation network, JMFAN),使用联合最大均值差异算法度量不同领域之间的距离,通过最小化领域间联合概率分布实现跨轴承故障诊断。围绕不同型号轴承在不同工况下的故障展开迁移学习研究,并进行试验验证。结果表明,该方法相比于传统的无监督迁移学习方法,可以显著提高在不同轴承故障诊断中准确率和模型泛化能力,在凯斯西储大学轴承数据下八个不同迁移任务中平均准确率达到了99.06%。
关键词
迁移学习
无监督学习
领域自适应
跨轴承故障诊断
Keywords
transfer learning
unsupervised learning
domain adaptation
cross-bearing fault diagnosis
分类号
TH17 [机械工程—机械制造及自动化]
下载PDF
职称材料
题名
基于角域重采样和领域对抗网络的滚动轴承故障迁移诊断方法及实验分析
2
作者
王攀攀
李兴宇
戴诗科
徐瑞东
王宇佩
陈凯
玄
邓先明
机构
中国矿业大学电气工程学院
国网浙江省电力有限公司象山县供电公司
出处
《实验技术与管理》
CAS
北大核心
2024年第5期54-61,共8页
基金
2023江苏省高等教育教改研究立项课题(2023JSJG345)
2022年中国矿业大学自制实验教学设备重点项目(SZZ2022Z005)
2022年中国矿业大学“教育数字化”专项教学研究课题(2022ZX10)。
文摘
该文提出一种基于角域重采样和领域对抗神经网络的电机滚动轴承跨工况故障迁移诊断方法。首先对不同工况下的时域振动信号进行角域重采样,用以降低不同转速下振动信号的时频差异;然后利用领域对抗学习策略提取出源域与目标域数据中的领域不变特征,进一步减小不同工况间的数据分布差异。该文还搭建了电机滚动轴承故障诊断实验平台,针对6种跨工况迁移诊断任务开展了验证实验。实验结果表明,所提方法的故障平均迁移识别率高达95.08%。该故障诊断方法实验研究涉及信号处理、深度学习等领域知识,有助于学生掌握基本原理,锻炼理论联系实际的能力。
关键词
故障诊断
迁移学习
滚动轴承
实验设计与分析
Keywords
fault diagnosis
transfer learning
rolling bearing
experimental design and analysis
分类号
TM343 [电气工程—电机]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于JMFAN网络的跨轴承故障诊断
刘智宏
史丽萍
陈凯
玄
陈瑞
韩丽
《振动与冲击》
EI
CSCD
北大核心
2024
0
下载PDF
职称材料
2
基于角域重采样和领域对抗网络的滚动轴承故障迁移诊断方法及实验分析
王攀攀
李兴宇
戴诗科
徐瑞东
王宇佩
陈凯
玄
邓先明
《实验技术与管理》
CAS
北大核心
2024
0
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
