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
基于分类器链的多联机软故障水平辨识研究
1
作者
何宇轩
石靖峰
+4 位作者
周镇新
陈焕新
任兆亭
夏兴祥
程亨达
《制冷学报》
CAS
CSCD
北大核心
2023年第5期50-58,共9页
多联机空调系统在建筑中已得到广泛应用,在多联机的运行中,软故障较为常见,且难以识别,使系统效率下降。本文以一维卷积神经网络作为基分类器,提出一种基于分类器链的多联机软故障水平辨识模型,使用室外机脏污故障的实验数据,以故障诊...
多联机空调系统在建筑中已得到广泛应用,在多联机的运行中,软故障较为常见,且难以识别,使系统效率下降。本文以一维卷积神经网络作为基分类器,提出一种基于分类器链的多联机软故障水平辨识模型,使用室外机脏污故障的实验数据,以故障诊断模型为基础设置了基分类器的结构及参数,提出两种新的对数据标签的编码方式。在初步建立软故障水平辨识模型之后,对基分类器中的卷积核数量进行了进一步调整,并提出放大系数以改进标签的编码方式。结果表明:改进后的分类器链模型对室外机脏污故障的诊断准确率可达96%以上,提高2%~3%,且本文提出的编码方式不会将故障工况诊断为正常工况,适合在分类器链模型中使用。
展开更多
关键词
多联机
故障
检测与诊断
故障
程度
辨识
分类器链
卷积神经网络
下载PDF
职称材料
基于QPSO-HMM的滚动轴承故障程度辨识
被引量：
2
2
作者
杨铮鑫
王明罡
+1 位作者
龚博
党鹏飞
《振动．测试与诊断》
EI
CSCD
北大核心
2021年第6期1138-1142,1238,共6页
综合量子粒子群优化算法(quantum particle swarm optimization,简称QPSO)的全局搜索能力与隐马尔科夫模型(hidden Markov model,简称HMM)良好的时间序列分类能力,提出一种基于QPSO-HMM的滚动轴承故障程度辨识方法,并利用实测振动信号...
综合量子粒子群优化算法(quantum particle swarm optimization,简称QPSO)的全局搜索能力与隐马尔科夫模型(hidden Markov model,简称HMM)良好的时间序列分类能力,提出一种基于QPSO-HMM的滚动轴承故障程度辨识方法,并利用实测振动信号对该方法的性能进行验证。首先,采用变分模态分解对实测振动信号进行分解,并用奇异值分解进行信号特征提取;其次,利用QPSO算法和样本信号对HMM进行训练;最后,将测试信号输入训练得到的HMM中进行滚动轴承故障程度辨识。结果表明,该算法解决了HMM的参数估计局部最优化问题,对滚动轴承不同故障程度的辨识准确率较高。
展开更多
关键词
故障
程度
辨识
隐马尔科夫模型
量子粒子群优化
滚动轴承
下载PDF
职称材料
题名
基于分类器链的多联机软故障水平辨识研究
1
作者
何宇轩
石靖峰
周镇新
陈焕新
任兆亭
夏兴祥
程亨达
机构
华中科技大学能源与动力工程学院
青岛海信日立空调系统有限公司
出处
《制冷学报》
CAS
CSCD
北大核心
2023年第5期50-58,共9页
基金
国家自然科学基金(51876070)资助项目。
文摘
多联机空调系统在建筑中已得到广泛应用,在多联机的运行中,软故障较为常见,且难以识别,使系统效率下降。本文以一维卷积神经网络作为基分类器,提出一种基于分类器链的多联机软故障水平辨识模型,使用室外机脏污故障的实验数据,以故障诊断模型为基础设置了基分类器的结构及参数,提出两种新的对数据标签的编码方式。在初步建立软故障水平辨识模型之后,对基分类器中的卷积核数量进行了进一步调整,并提出放大系数以改进标签的编码方式。结果表明:改进后的分类器链模型对室外机脏污故障的诊断准确率可达96%以上,提高2%~3%,且本文提出的编码方式不会将故障工况诊断为正常工况,适合在分类器链模型中使用。
关键词
多联机
故障
检测与诊断
故障
程度
辨识
分类器链
卷积神经网络
Keywords
variable refrigerant flow
fault detection and diagnosis
fault level identification
classifier chain
convolutional neural net-work
分类号
TB657.2 [一般工业技术—制冷工程]
TU831.3 [建筑科学—供热、供燃气、通风及空调工程]
下载PDF
职称材料
题名
基于QPSO-HMM的滚动轴承故障程度辨识
被引量：
2
2
作者
杨铮鑫
王明罡
龚博
党鹏飞
机构
沈阳化工大学机械与动力工程学院
采油六厂第二油矿地质队
出处
《振动．测试与诊断》
EI
CSCD
北大核心
2021年第6期1138-1142,1238,共6页
基金
国家自然科学基金资助项目(11702178)
辽宁省博士启动基金资助项目(20180540013)
辽宁省教育厅资助项目(LQ2019008)。
文摘
综合量子粒子群优化算法(quantum particle swarm optimization,简称QPSO)的全局搜索能力与隐马尔科夫模型(hidden Markov model,简称HMM)良好的时间序列分类能力,提出一种基于QPSO-HMM的滚动轴承故障程度辨识方法,并利用实测振动信号对该方法的性能进行验证。首先,采用变分模态分解对实测振动信号进行分解,并用奇异值分解进行信号特征提取;其次,利用QPSO算法和样本信号对HMM进行训练;最后,将测试信号输入训练得到的HMM中进行滚动轴承故障程度辨识。结果表明,该算法解决了HMM的参数估计局部最优化问题,对滚动轴承不同故障程度的辨识准确率较高。
关键词
故障
程度
辨识
隐马尔科夫模型
量子粒子群优化
滚动轴承
Keywords
fault degree identification
hidden Markov model
quantum particle swarm optimization
rolling bearing
分类号
TH133.33 [机械工程—机械制造及自动化]
TH165
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于分类器链的多联机软故障水平辨识研究
何宇轩
石靖峰
周镇新
陈焕新
任兆亭
夏兴祥
程亨达
《制冷学报》
CAS
CSCD
北大核心
2023
0
下载PDF
职称材料
2
基于QPSO-HMM的滚动轴承故障程度辨识
杨铮鑫
王明罡
龚博
党鹏飞
《振动．测试与诊断》
EI
CSCD
北大核心
2021
2
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
