期刊文献+
共找到5篇文章
< 1 >
每页显示 20 50 100
域适应网络与平衡动态分布自适应的轴承变工况故障迁移诊断研究
1
作者 王廷轩 王贵勇 +1 位作者 刘韬 王振亚 《机械强度》 CAS CSCD 北大核心 2023年第3期509-518,共10页
机械设备在工业现场下的工况复杂多变,导致故障样本分布不均,给传统机器学习带来巨大的困扰。针对上述问题,提出了一种基于域适应神经网络与平衡动态分布自适应的轴承故障迁移诊断方法。首先,利用小波变换改进卷积神经网络的卷积层,并... 机械设备在工业现场下的工况复杂多变,导致故障样本分布不均,给传统机器学习带来巨大的困扰。针对上述问题,提出了一种基于域适应神经网络与平衡动态分布自适应的轴承故障迁移诊断方法。首先,利用小波变换改进卷积神经网络的卷积层,并自适应提取轴承样本特征。其次,利用最大均值差异度量和权重正则化在损失函数处理所生成的特征,改善样本分布差异,获取域适应神经网络模型。最后,利用A-distance距离改进平衡分布自适应,使其具备动态特性,进一步改善样本分布差异,通过KNN分类器实现轴承迁移诊断。经过实验验证,所提方法在同试验台和跨试验台案例验证中,能够较为精确地迁移出轴承故障状态,证明该方法可有效解决无标签样本在变工况条件下样本分布不均的问题,具备有效性与鲁棒性。 展开更多
关键词 轴承 域适应神经网络 平衡分布自适应 小波变换 A-distance距离 迁移诊断
下载PDF
基于改进DaNN的综合能源系统多能负荷预测 被引量:13
2
作者 何桂雄 金璐 +2 位作者 李克成 何伟 闫华光 《电力工程技术》 北大核心 2021年第6期25-33,共9页
随着能源革命的推进及双碳目标的提出,综合能源系统越发受到广大研究者的重视,对综合能源系统进行高效的规划和控制离不开精准的多能负荷预测。基于上述需求,引入迁移学习理论,提出一种改进领域自适应神经网络(DaNN)负荷预测模型对综合... 随着能源革命的推进及双碳目标的提出,综合能源系统越发受到广大研究者的重视,对综合能源系统进行高效的规划和控制离不开精准的多能负荷预测。基于上述需求,引入迁移学习理论,提出一种改进领域自适应神经网络(DaNN)负荷预测模型对综合能源系统中的冷、热、电负荷进行统一建模与预测。首先,通过历史数据分别构筑冷、热、电负荷特征图,随后输入改进DaNN的参数共享卷积层和全连接层;其次,基于冷、热、电负荷联合预测的特点改进传统神经网络的损失函数,加入最大均值差异指标,并优化训练模型;最后,通过3个各自独立的全连接层分别输出冷、热、电负荷的预测值。通过采用实际算例验证并与基准模型对比可知,所提改进DaNN模型能够有效提高综合能源多能负荷预测精度。 展开更多
关键词 综合能源系统 负荷预测 迁移学习 卷积神经网络(CNN) 领域自适应神经网络(DaNN) 多能耦合
下载PDF
基于LSTM-DaNN的动力电池SOC估算方法 被引量:7
3
作者 王一全 黄碧雄 +5 位作者 严晓 刘新田 王影 刘双宇 徐华源 《储能科学与技术》 CAS CSCD 2020年第6期1969-1975,共7页
针对动力电池荷电状态(state of charge,SOC)的估算问题,利用长短期记忆(LSTM)循环神经网络建立SOC估算模型,以实验室恒流放电数据训练模型并测试,测试最大绝对误差为2.7%。进一步以FSEC赛车电池实测数据验证,最大测试误差为3.9%。但在... 针对动力电池荷电状态(state of charge,SOC)的估算问题,利用长短期记忆(LSTM)循环神经网络建立SOC估算模型,以实验室恒流放电数据训练模型并测试,测试最大绝对误差为2.7%。进一步以FSEC赛车电池实测数据验证,最大测试误差为3.9%。但在工程应用时,考虑到实际运行过程中的环境复杂性以及不同驾驶习惯对动力电池造成的不一致性,需要根据车辆实际行驶工况数据对其进行训练与测试,但是由于该数据中的SOC直接由BMS报文解析而来,无法确定BMS内的SOC算法是否准确,故不能直接用作训练模型时的标签,此时需计算出正确的训练标签或借助已有标签的模型,在其基础上根据实际运行数据对其模型参数进行动态调整。为解决无标签数据的训练问题,本文采取第二种方法,首次提出将迁移学习中的领域自适应网络(DaNN)与LSTM组合形成LSTM-DaNN的SOC估算算法,利用有标签数据预先训练好LSTM模型,再将其模型参数迁移至LSTM-DaNN,最后综合有标签与无标签数据一起对LSTM-DaNN模型进行训练。测试结果表明LSTM-DaNN可以在没有实际行驶工况标签(SOC)的情况下完成训练,最大测试误差为4.8%,相比模型自适应调整前误差下降了14.1%,且保证绝对误差<5%,满足实际需求。 展开更多
关键词 荷电状态(SOC) 长短期记忆(LSTM) 迁移学习 领域自适应网络(DaNN)
下载PDF
基于DANN-LSTM的电动汽车负荷预测
4
作者 刘子博 《通信电源技术》 2023年第7期34-38,共5页
针对社区微网中电动汽车负荷预测存在的数据样本不足的问题,提出一种将长短期记忆(Long Short-Term Memory,LSTM)与领域自适应神经网络(Domain Adaptive Neural Network,DANN)结合形成DaNN-LSTM的负荷预测算法,从而实现对社区微网小样... 针对社区微网中电动汽车负荷预测存在的数据样本不足的问题,提出一种将长短期记忆(Long Short-Term Memory,LSTM)与领域自适应神经网络(Domain Adaptive Neural Network,DANN)结合形成DaNN-LSTM的负荷预测算法,从而实现对社区微网小样本的电动汽车负荷数据的准确预测。利用预处理后的源域数据预先训练好LSTM模型,再将LSTM模型的相关参数迁移到DANN的LSTM层中,最后对社区微网中的负荷数据进行重复训练,得出预测结果。预测结果表明,所提到的方法相比于LSTM模型的准确率有了一定程度的提高,可以满足实际需求。 展开更多
关键词 社区微网 负荷预测 长短期记忆(LSTM)神经网络 迁移学习 领域自适应神经网络(DANN)
下载PDF
基于改进领域对抗网络的瓷砖表面缺陷检测
5
作者 林行 陈新度 +1 位作者 吴磊 练洋奇 《电子测量技术》 北大核心 2022年第24期105-110,共6页
深度神经网络作为主流的表面缺陷检测方法之一,需要大量样本进行模型训练,而随着瓷砖产品多样化,同类型瓷砖缺陷样本有限。本文提出一种基于改进域对抗神经网络(MDANN)的瓷砖表面缺陷检测方法,参考传统的DANN结构,首先,在ImageNet公共... 深度神经网络作为主流的表面缺陷检测方法之一,需要大量样本进行模型训练,而随着瓷砖产品多样化,同类型瓷砖缺陷样本有限。本文提出一种基于改进域对抗神经网络(MDANN)的瓷砖表面缺陷检测方法,参考传统的DANN结构,首先,在ImageNet公共数据集上预训练保存网络参数,提高训练速度;然后,在原网络中加入瓶颈层,并利用最大均值差异指标优化领域分布差异,改善了原DANN网络筛选源域的能力,实现小样本瓷砖的缺陷检测。实验结果表明,MDANN对瓷砖表面缺陷的有效检出率达98.77%,相比于原DANN网络提高了3.53%,可快速适用于不同类型的瓷砖检测,泛化性好。 展开更多
关键词 瓷砖缺陷检测 深度学习 迁移学习 领域自适应神经网络(DANN)
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部