基于多模型正交化的深度图像识别对抗鲁棒性增强技术

1

作者 逯子豪 徐延杰 +2 位作者 孙浩 计科峰 匡纲要 《信号处理》 CSCD 北大核心 2024年第3期503-515,共13页

近年来,深度神经网络(Deep Neural Networks,DNN)已被广泛应用于图像识别,目标检测,图像分割等多种计算机视觉任务中,并取得了巨大成功。然而,DNN模型因其本身的脆弱性,仍面临着对抗攻击等技术手段带来的安全隐患。攻击者在图像上恶意... 近年来,深度神经网络(Deep Neural Networks,DNN)已被广泛应用于图像识别,目标检测,图像分割等多种计算机视觉任务中,并取得了巨大成功。然而,DNN模型因其本身的脆弱性,仍面临着对抗攻击等技术手段带来的安全隐患。攻击者在图像上恶意地添加微小且人眼难以识别的扰动,可以让模型产生高置信度的错误输出。针对上述问题,集成多个DNN模型来提升对抗鲁棒性已成为有效的解决方案之一。但是,对抗样本在集成模型中的子模型间存在对抗迁移现象,可能使集成模型的防御效能大大降低,而且目前仍缺乏能够降低集成防御内部对抗迁移性的直观理论分析。本文引入损失场的概念并定量描述DNN模型间的对抗迁移性,重点关注和推导对抗迁移表达式的上界,发现促进模型损失场之间的正交性以及降低模型损失场的强度(Promoting Orthogonality and Reducing Strength,PORS)可以限制其上界大小,进而限制DNN模型间对抗迁移性。本文引入PORS惩罚项至原损失函数中,使集成模型能够保持在原始数据上的识别性能的同时,通过降低子模型间的对抗迁移性来增强整体的对抗鲁棒性。文章在CIFAR-10和MNIST数据集上对由PORS训练得到的集成模型开展实验,分别在白盒和黑盒攻击环境下与其他先进的集成防御方法进行对比实验,实验结果表明PORS可以显著提高对抗鲁棒性,在白盒攻击和原始数据集上能保持非常高的识别精度,尤其在黑盒迁移攻击中极为有效,在所有集成防御方法中表现最为稳定。 展开更多

关键词 深度神经网络 图像识别 对抗迁移性 集成防御 损失场

下载PDF 职称材料

融合词典与对抗迁移的越南语事件实体识别 被引量：3

2

作者 薛振宇 线岩团 +2 位作者 余正涛 高盛祥 普浏清 《计算机工程》 CAS CSCD 北大核心 2022年第3期107-114,145,共9页

针对越南语事件标注语料稀缺且标注语料中未登陆词过多导致实体识别精度降低的问题,提出一种融合词典与对抗迁移的实体识别模型。将越南语作为目标语言,英语和汉语作为源语言,通过源语言的实体标注信息和双语词典提升目标语言的实体识... 针对越南语事件标注语料稀缺且标注语料中未登陆词过多导致实体识别精度降低的问题,提出一种融合词典与对抗迁移的实体识别模型。将越南语作为目标语言,英语和汉语作为源语言,通过源语言的实体标注信息和双语词典提升目标语言的实体识别效果。采用词级别对抗迁移实现源语言与目标语言的语义空间共享,融合双语词典进行多粒度特征嵌入以丰富目标语言词的语义表征,再使用句子级别对抗迁移提取与语言无关的序列特征,最终通过条件随机场推理模块标注实体识别结果。在越南语新闻数据集上的实验结果表明,在源语言为英语和汉语的情况下,该模型相比主流的单语实体识别模型和迁移学习模型的实体识别性能有明显提升,并且在加入目标语义标注数据后,相比单语实体识别模型的F1值分别增加了19.61和18.73个百分点。 展开更多

关键词 实体识别 对抗迁移 双语词典 多粒度特征 序列特征

下载PDF 职称材料

基于域对抗迁移卷积神经网络的小样本GIS绝缘缺陷智能诊断方法 被引量：25

3

作者 王艳新 闫静 +2 位作者 王建华 耿英三 刘志远 《电工技术学报》 EI CSCD 北大核心 2022年第9期2150-2160,共11页

近年来,数据驱动的人工智能模型在气体绝缘组合电器(GIS)绝缘缺陷诊断上取得了一定突破。然而,这些以海量实验数据构建的模型难以部署到现场复杂工况和小样本条件下,导致现有诊断方法现场应用困难。为了解决现场制约传统诊断方法应用的... 近年来,数据驱动的人工智能模型在气体绝缘组合电器(GIS)绝缘缺陷诊断上取得了一定突破。然而,这些以海量实验数据构建的模型难以部署到现场复杂工况和小样本条件下,导致现有诊断方法现场应用困难。为了解决现场制约传统诊断方法应用的数据匮乏难题和现有诊断模型现场应用困难的问题,该文提出了一种新颖的域对抗迁移卷积神经网络用于小样本下的GIS绝缘缺陷智能诊断。首先,以自动寻优构建的卷积神经网络从缺陷样本中学习可迁移绝缘缺陷表征特征,自动寻优构建方法在减少网络构建过程人为干预的同时,有效提升了网络精度等多方面性能。然后,引入域对抗迁移学习,实现海量数据(源域)下训练模型到复杂工况和小样本(目标域)下的迁移,以提升诊断准确率。通过对抗训练方法学习类边界表征特征和域空间表征特征,实现了诊断知识的迁移。在域对抗训练中引入两个领域分类器来进行决策边界域空间的对齐,获得了更合适的特征匹配。在实验室和现场实验验证中,所提方法在目标域下分别达到了99.35%和90.35%的诊断准确率。结果表明,该方法可以有效学习可迁移特征,实现小样本GIS绝缘缺陷的高精度、鲁棒性诊断。 展开更多

关键词 气体绝缘组合电器 域对抗迁移学习 卷积神经网络 小样本 智能诊断

下载PDF 职称材料

基于对抗式迁移学习的含柔性高压直流输电的风电系统次同步振荡源定位 被引量：25

4

作者 陈剑 杜文娟 王海风 《电工技术学报》 EI CSCD 北大核心 2021年第22期4703-4715,共13页

风电场经柔性高压直流输电(VSC-HVDC)接入交流系统会产生次同步振荡(SSO),定位风电场SSO源并及时采取针对性抑制措施是迫切需要解决的问题。该文通过建立风电场经VSC-HVDC并网电力系统线性化模型,分析风电场因发生交互而诱发SSO的机理,... 风电场经柔性高压直流输电(VSC-HVDC)接入交流系统会产生次同步振荡(SSO),定位风电场SSO源并及时采取针对性抑制措施是迫切需要解决的问题。该文通过建立风电场经VSC-HVDC并网电力系统线性化模型,分析风电场因发生交互而诱发SSO的机理,提出基于对抗式迁移学习的风电场SSO源定位方法。该方法通过对仿真系统与实际系统的振荡特征进行对抗学习,缩小了仿真系统与实际系统的域差异,实现仿真系统离线建立的定位模型能够迁移到实际系统中进而对风电场次同步振荡源进行在线定位。通过设计多风电场经VSC-HVDC并网电力系统应用案例,验证分析了所提方法在不同系统中均具有较高的定位精度。这对电网调度运行基于广域测量系统识别振荡源或提供振荡抑制策略具有重要参考价值。 展开更多

关键词 对抗式迁移学习 次同步振荡(SSO) 柔性高压直流输电(VSC-HVDC) 振荡源定位

下载PDF 职称材料

命名实体识别的迁移学习研究综述 被引量：15

5

作者 李猛 李艳玲 林民 《计算机科学与探索》 CSCD 北大核心 2021年第2期206-218,共13页

命名实体识别(NER)是自然语言处理的核心应用任务之一。传统和深度命名实体识别方法严重依赖于大量具有相同分布的标注训练数据,模型可移植性差。然而在实际应用中数据往往都是小数据、个性化数据,收集足够的训练数据是非常困难的。在... 命名实体识别(NER)是自然语言处理的核心应用任务之一。传统和深度命名实体识别方法严重依赖于大量具有相同分布的标注训练数据,模型可移植性差。然而在实际应用中数据往往都是小数据、个性化数据,收集足够的训练数据是非常困难的。在命名实体识别中引入迁移学习,利用源域数据和模型完成目标域任务模型构建,提高目标领域的标注数据量和降低目标域模型对标注数据数量的需求,在处理资源匮乏命名实体识别任务上,具有非常好的效果。首先对命名实体识别方法和难点以及迁移学习方法进行概述;然后对近些年应用于命名实体识别的迁移学习方法,包括基于数据迁移学习、基于模型迁移学习和对抗迁移学习,进行全面综述,重点阐述了对抗迁移学习方法;最后进一步思考当前存在的问题并对未来的研究方向进行了展望。 展开更多

关键词 命名实体识别(NER) 迁移学习 对抗迁移学习 深度学习

下载PDF 职称材料

基于孪生域对抗迁移学习的滚动轴承故障诊断方法 被引量：5

6

作者 胡向东 杨希 《轴承》 北大核心 2023年第7期80-87,共8页

针对多工况约束下滚动轴承故障诊断的难题,提出一种基于孪生域对抗迁移学习的滚动轴承故障诊断方法。首先,基于重采样扩充故障样本,通过降采样平衡正常样本,以防止样本不平衡带来的过拟合问题;然后,利用孪生神经网络对迁移学习特征提取... 针对多工况约束下滚动轴承故障诊断的难题,提出一种基于孪生域对抗迁移学习的滚动轴承故障诊断方法。首先,基于重采样扩充故障样本,通过降采样平衡正常样本,以防止样本不平衡带来的过拟合问题;然后,利用孪生神经网络对迁移学习特征提取的卷积层和池化层进行改进,应对故障样本稀缺问题,缩小不同工况下故障样本分布的差异,提高模型的泛化性;最后,基于公开和实测轴承故障数据集对算法进行全面性能评估。试验结果表明:孪生域对抗迁移学习(SDANN)对CWRU,MFPT和实测轴承数据集的诊断准确率及误差均值分别为(97.26±0.42)%,(95.18±0.28)%和(94.04±0.40)%,相比传统域对抗迁移学习(DANN)方法的平均准确率分别提高6.41%,12.5%和2.54%,误差均值分别降低1.16%,2.66%和0.43%,诊断时间分别加快1.39%,3.77%和9.95%;加入0和-10 dB噪声时,孪生域对抗迁移学习的诊断准确率最高仅降低1.63%;对CWRU与MFPT数据集跨域诊断时,孪生域对抗迁移学习的准确率及误差均值为(91.04±1.05)%;总体而言,孪生域对抗迁移学习对滚动轴承的故障诊断准确率较高且具备良好的抗噪性和迁移诊断效果。 展开更多

关键词 滚动轴承 故障诊断 域对抗迁移学习 孪生神经网络

下载PDF 职称材料

面向滚动轴承故障诊断的改进对抗迁移学习算法研究 被引量：8

7

作者 杨健 李立新 +2 位作者 廖晨茜 蔡晋辉 曾九孙 《中国测试》 CAS 北大核心 2021年第9期15-19,40,共6页

为解决故障诊断中标签不足的问题,该文以滚动轴承作为对象提出一种改进的对抗迁移学习模型。该模型通过一维卷积结构提取时间信号特征,能够直接处理时域振动信号,并通过大尺寸卷积核抑制噪声的干扰;在对抗迁移学习的域判别器中采用卷积... 为解决故障诊断中标签不足的问题,该文以滚动轴承作为对象提出一种改进的对抗迁移学习模型。该模型通过一维卷积结构提取时间信号特征,能够直接处理时域振动信号,并通过大尺寸卷积核抑制噪声的干扰;在对抗迁移学习的域判别器中采用卷积结构替换全连接神经网络,以对抗训练的方式减少训练数据和测试数据间的分布差异,以提高故障诊断精度。将改进后的模型应用于两个滚动轴承故障诊断案例中,通过添加不同信噪比的噪声信号验证提出的模型具有良好的抗干扰能力,同时以故障分类准确率作为指标,验证该模型具有更高的诊断精度和鲁棒性。 展开更多

关键词 对抗迁移学习 故障诊断 一维卷积结构 域判别器

下载PDF 职称材料

加权多源域对抗迁移学习运动想象脑电识别

8

作者 冯洋 乔晓艳 《传感技术学报》 CAS CSCD 北大核心 2024年第5期825-832,共8页

运动想象脑电信号个体差异大且数据采集成本高,构建小样本、跨被试的运动想象脑电识别模型是脑机接口中需要解决的关键问题。针对小样本跨领域学习,提出一种基于预对齐策略和对抗迁移学习的加权多源域自适应方法,把迁移学习和对抗训练... 运动想象脑电信号个体差异大且数据采集成本高,构建小样本、跨被试的运动想象脑电识别模型是脑机接口中需要解决的关键问题。针对小样本跨领域学习,提出一种基于预对齐策略和对抗迁移学习的加权多源域自适应方法,把迁移学习和对抗训练相结合,将域对抗神经网络扩展到多源域,对各源域进行皮尔逊相关系数加权,实现多个源域和目标域在特征上的加权对齐,并采用预对齐策略提高域间数据分布的一致性。在BCI Competition运动想象数据集上,跨被试的运动想象任务识别正确率达到84.43%,与不迁移方法相比提高了9.17%,相较于域对抗神经网络提高了5.0%。实验结果表明,所提方法能够有效减小不同被试间脑电数据分布以及特征分布差异,实现数据和特征双重对齐,从而提升跨被试运动想象脑电分类性能。 展开更多

关键词 运动想象 对抗迁移学习 加权多源域 跨被试

下载PDF 职称材料

基于跨语种声学分析的帕金森病检测方法

9

作者 季薇 王传瑜 +2 位作者 吴迪 李云 郑慧芬 《电子与信息学报》 EI CAS CSCD 北大核心 2024年第2期546-554,共9页

基于语音的帕金森病检测具有非介入式、成本较低和无创等优点。当前公开的帕金森病语音数据集大多来源于单一语种,存在数据容量不够大、受试者母语发音特点差异小等特点。单一语种数据集上训练的帕金森病检测模型在面对跨语种语音数据时... 基于语音的帕金森病检测具有非介入式、成本较低和无创等优点。当前公开的帕金森病语音数据集大多来源于单一语种,存在数据容量不够大、受试者母语发音特点差异小等特点。单一语种数据集上训练的帕金森病检测模型在面对跨语种语音数据时,将出现性能下降。为避免语种差异带来的影响,提升模型在跨语种场景下的检测性能,该文引入对抗迁移学习和特征解耦的思想,提出一种帕金森病跨语种声学分析模型(CLSAM)。首先,将基于多头自注意力机制的Transformer编码块和多层神经网络级联,组成特征提取器模块,用于将从源域和目标域语音中提取的原始Fbank语音特征初步解耦为两个向量,即域不变病理信息表征向量和域信息表征向量;设计了目标任务不一致的双重对抗训练模块,显式地分离域不变病理信息和域信息;最终,提取跨语种语音数据中的域不变病理信息用于帕金森病检测。该文在公开的MaxLittle帕金森病语音数据集以及自采的帕金森病语音数据集上,采用十折交叉验证的方法验证了所提方法的有效性。实验结果表明:与传统机器学习方法以及现有的迁移学习算法相比,所提模型在跨语种场景中的检测准确率、敏感度和F1分数等性能均有明显提升。 展开更多

关键词 跨语种声学分析 帕金森病 对抗迁移学习 特征解耦

下载PDF 职称材料

基于对抗性迁移学习的药品不良反应实体识别研究 被引量：2

10

作者 韩普 仲雨乐 +1 位作者 陆豪杰 马诗雯 《数据分析与知识发现》 CSCD 北大核心 2023年第3期131-141,共11页

【目的】为解决在线健康社区中实体表述不规范和边界不显著的问题,提出一种基于对抗性迁移学习的药品不良反应实体识别模型ATL-BCA。【方法】通过Word2Vec生成融合在线医疗健康领域外部语义特征向量;基于迁移学习思想采用共享和私有BiL... 【目的】为解决在线健康社区中实体表述不规范和边界不显著的问题,提出一种基于对抗性迁移学习的药品不良反应实体识别模型ATL-BCA。【方法】通过Word2Vec生成融合在线医疗健康领域外部语义特征向量;基于迁移学习思想采用共享和私有BiLSTM分别抽取实体识别和分词任务的共享边界信息及私有信息;利用多头注意力机制捕捉句子整体依赖性,并使用对抗训练过滤分词任务的私有信息以消除冗余特征对实体识别任务的影响;最后,借助条件随机场约束预测标签序列结果。【结果】在自构建药品不良反应数据集上进行实验,引入对抗性迁移学习的ATL-BCA模型实体识别F1值达到91.35%,较主流模型Word2VecBiLSTM-CRF和BERT-BiLSTM-CRF分别提升5.28和2.98个百分点。【局限】仅选用“三九健康药物网”作为实验数据源,且数据集规模较小。【结论】ATL-BCA模型不仅可以充分利用实体识别和分词任务共享边界信息,而且能够过滤分词任务私有特征,从而有效提升在线健康社区中药品不良反应实体识别效果。 展开更多

关键词 对抗性迁移学习 多头注意力机制 命名实体识别 药品不良反应

原文传递

基于SDAE-DATN的联合收割机跨设备故障检测 被引量：1

11

作者 姜伟 许颜贺 +1 位作者 李思樊 卢俊泽 《南方农机》 2023年第8期6-9,共4页

【目的】解决联合收割机单机故障样本收集困难,满足设备故障状态精确检测需求。【方法】课题组提出了一种基于栈式去噪自编码器(stacked denoising auto-encoder,SDAE)与深度对抗迁移网络(deep adversarial transfer network,DATN)的联... 【目的】解决联合收割机单机故障样本收集困难,满足设备故障状态精确检测需求。【方法】课题组提出了一种基于栈式去噪自编码器(stacked denoising auto-encoder,SDAE)与深度对抗迁移网络(deep adversarial transfer network,DATN)的联合收割机跨设备故障检测方法。该方法利用随机噪声分量优化栈式自编码器网络,进而设计融合SDAE的DATN模型,自动捕获不同设备间的域不变特征,实现联合收割机跨设备故障精确检测。【结果】该方法可跨设备实现联合收割机正常运行工况下发动机转子故障、轴承故障与机匣故障的检测,且识别准确率为93.65%,显著高于已有同类模型。课题组所建的SDAEDATN模型能够准确、稳定实现联合收割机跨设备故障检测,对提升农业机械智能化水平具有重要意义。【结论】1)基于随机噪声优化的SDAE模型,可提升编码器鲁棒性,学习更具代表性的状态特征信息。2)融合SDAE的DATN模型,可完成源域和目标域间故障检测模型的自适应优化,有效完成联合收割机跨设备迁移检测任务。 展开更多

关键词 联合收割机 跨设备 故障检测 自编码器 对抗迁移学习

下载PDF 职称材料

基于深度域对抗迁移学习的提升机健康状态诊断系统 被引量：1

12

作者 王景阳 王有杰 孙守瑄 《能源与环保》 2023年第11期225-231,共7页

提升机系统是煤矿生产中核心的大型机电设备之一,其安全高效运行是煤矿开采全过程自动化、智能化、安全管控的基础。为了实现尽早地发现提升机在运行过程中的各种隐患,提高故障检测和维护效率,研究信号处理和深度迁移学习分析方法,分析... 提升机系统是煤矿生产中核心的大型机电设备之一,其安全高效运行是煤矿开采全过程自动化、智能化、安全管控的基础。为了实现尽早地发现提升机在运行过程中的各种隐患,提高故障检测和维护效率,研究信号处理和深度迁移学习分析方法,分析提升机关键部件多传感信号变工况时频响应特性,提出了基于自注意力机制的深度域对抗迁移学习诊断模型DASADTLM,提高提升机关键部件运行状态深度特征的跨域不变性和故障诊断准确率。在此基础上,通过系统集成,实现对提升机运行全过程数据的实时数据看板、设备管理、趋势分析等功能,该系统能够支撑监控看板、维保管理、知识管理等多场景需求,从而满足煤矿生产提升机稳定健康安全运行的需要。 展开更多

关键词 提升机 诊断系统 故障诊断 注意力机制 深度域对抗迁移学习

下载PDF 职称材料

无监督对抗迁移学习轴承故障诊断 被引量：3

13

作者 袁海飞 尹洪申 俞啸 《组合机床与自动化加工技术》 北大核心 2022年第4期83-87,共5页

针对轴承故障诊断中数据标签获取困难、变工况诊断准确率低下、模型诊断泛化能力弱等问题,提出了一种无监督对抗迁移学习轴承故障诊断的方法(MSWDCNN-DA)。首先,将源域与目标域的振动信号经过一层大卷积核,提取轴承故障的短时特征;其次... 针对轴承故障诊断中数据标签获取困难、变工况诊断准确率低下、模型诊断泛化能力弱等问题,提出了一种无监督对抗迁移学习轴承故障诊断的方法(MSWDCNN-DA)。首先,将源域与目标域的振动信号经过一层大卷积核,提取轴承故障的短时特征;其次,根据不同卷积核获取的感受野不同,通过两个3×1、5×1的卷积核更加全面地获取不同层次的信号特征;然后,通过域对抗迁移模块,更好地对齐源域和目标数据之间的分布;最后,进行故障分类。通过在某大学轴承数据集中的实验,证明该模型在不同工况的数据集中都有较高的诊断准确率,表现出模型良好的泛化能力。 展开更多

关键词 故障诊断 对抗迁移学习 无监督 变工况

下载PDF 职称材料

基于中间桥层和相似矩阵的深度对抗迁移故障诊断方法

14

作者 蔡能 武兵 +1 位作者 李翔宇 李聪明 《机电工程》 CAS 北大核心 2023年第5期655-663,672,共10页

采用深度对抗迁移学习算法进行故障诊断时,受到领域中丰富的特征属性的影响,在领域自适应中无法充分学习可用于迁移的共有知识特征,且其在类别水平上忽略了不同类别的对齐程度的差异。针对这一问题,提出了一种基于中间桥层和相似矩阵(MB... 采用深度对抗迁移学习算法进行故障诊断时,受到领域中丰富的特征属性的影响,在领域自适应中无法充分学习可用于迁移的共有知识特征,且其在类别水平上忽略了不同类别的对齐程度的差异。针对这一问题,提出了一种基于中间桥层和相似矩阵(MB-SM)的对抗故障诊断模型,以实现对滚动轴承故障进行跨域诊断识别的目的。首先,利用改进的一维多尺度残差网络对数据的特征进行了提取;然后,引入了中间桥层和相似矩阵,完成了对共有知识特征的充分学习,降低了整体网络的数据传输难度,进一步加强了源域和目标域中同一类别内的聚类和类别之间的分离,提高了故障数据的领域适配能力;最后,采用实验室轴承数据集和美国凯斯西储大学(CWRU)数据集,对基于中间桥层和相似矩阵的模型方法进行了验证。研究结果表明:在自建实验室数据集中,采用基于中间桥层和相似矩阵的方法可以达到90.37%的平均准确率;在美国凯斯西储大学(CWRU)数据集中,也可以达到99.34%的平均准确率。相较于其他迁移学习对比模型,采用该模型方法可以获得更好的诊断性能。 展开更多

关键词 滚动轴承 故障跨域诊断识别 中间桥层和相似矩阵 对抗性迁移学习 领域自适应 深度卷积神经网络

下载PDF 职称材料

基于域对抗迁移的变工况滚动轴承故障诊断模型 被引量：4

15

作者 金余丰 刘晓锋 +1 位作者 姚美常 黄凤良 《自动化仪表》 CAS 2019年第12期55-60,65,共7页

将变工况下轴承状态识别的难题归结为领域自适应问题,提出了一种基于域对抗迁移的变工况滚动轴承故障诊断模型。模型以一维振动信号为输入,主要包含特征提取器、故障分类器和领域分类器三部分功能结构。特征提取器由卷积层、残差单元和... 将变工况下轴承状态识别的难题归结为领域自适应问题,提出了一种基于域对抗迁移的变工况滚动轴承故障诊断模型。模型以一维振动信号为输入,主要包含特征提取器、故障分类器和领域分类器三部分功能结构。特征提取器由卷积层、残差单元和双向长短时记忆(Bi_LSTM)神经单元组成,用于提取振动信号的特征;故障分类器负责振动信号的状态分类;领域分类器负责区分信号来自源域或目标域。模型通过在分类器间添加梯度翻转层构建对抗迁移网络,完成领域自适应工作,能够借助有标签的定工况源域数据集实现对无标签的变工况目标域数据集的诊断识别,进而完成变工况下的故障诊断。试验结果表明,该模型能够提取适用于不同工况间迁移的特征,提升了变工况下各故障类型的诊断表现;变工况下平均诊断准确率可达97.42%,诊断表现优于直接跨域诊断的模型。 展开更多

关键词 滚动轴承 变工况 故障诊断 域对抗迁移 残差单元 长短时记忆 梯度翻转 领域自适应

下载PDF 职称材料

复杂工况下的直升机行星传动轮系故障诊断 被引量：2

16

作者 孙灿飞 黄林然 沈勇 《航空学报》 EI CAS CSCD 北大核心 2022年第8期103-111,共9页

行星传动轮系是直升机动力传动系统的核心部件,是直升机健康和使用监测系统重要的监测对象。针对复杂工况下直升机行星传动轮系的故障诊断难题,提出了结合域对抗与深度编码网络的自适应域对抗深度迁移故障诊断方法。方法输入归一化频谱... 行星传动轮系是直升机动力传动系统的核心部件,是直升机健康和使用监测系统重要的监测对象。针对复杂工况下直升机行星传动轮系的故障诊断难题,提出了结合域对抗与深度编码网络的自适应域对抗深度迁移故障诊断方法。方法输入归一化频谱数据,基于堆栈收缩自动编码网络建立训练负载与测试负载编码网络,从训练域数据进行有监督学习提取高质量深度故障特征,并结合参数迁移和对抗学习策略,通过测试域数据无监督自适应优化测试域深度故障特征提取网络,以适应负载条件变化引起的样本数据分布差异以及恶劣噪声环境引起的样本数据波动的影响。方法在直升机行星传动轮系实验平台上通过故障注入试验进行了对比验证,证明了方法的有效性与健壮性。 展开更多

关键词 直升机 行星齿轮 变工况 故障诊断 深度学习 域对抗迁移

原文传递

基于改进对抗迁移学习的滚动轴承故障诊断研究 被引量：2

17

作者 杨健 廖晨茜 +1 位作者 蔡晋辉 曾九孙 《中国测试》 CAS 北大核心 2022年第5期96-101,共6页

为解决故障诊断中标签不足的问题,该文以滚动轴承作为对象提出一种改进的对抗迁移学习模型。该模型通过一维卷积结构提取时间信号特征,能够直接处理时域振动信号,并通过大尺寸卷积核抑制噪声的干扰;在对抗迁移学习的域判别器中采用卷积... 为解决故障诊断中标签不足的问题,该文以滚动轴承作为对象提出一种改进的对抗迁移学习模型。该模型通过一维卷积结构提取时间信号特征,能够直接处理时域振动信号,并通过大尺寸卷积核抑制噪声的干扰;在对抗迁移学习的域判别器中采用卷积结构替换全连接神经网络,以对抗训练的方式减少训练数据和测试数据间的分布差异,以提高故障诊断精度。将改进后的模型应用于两个滚动轴承故障诊断案例中,通过添加不同信噪比的噪声信号验证提出的模型具有良好的抗干扰能力,同时以故障分类正确率作为指标,验证该模型具有更高的诊断精度和鲁棒性。 展开更多

关键词 对抗迁移学习 故障诊断 一维卷积结构 域判别器

下载PDF 职称材料

基于改进DANN网络的织物缺陷检测 被引量：1

18

作者 殷鹏 景军锋 《现代纺织技术》 2020年第5期57-63,共7页

针对传统的织物缺陷检测算法普适性不足的问题,提出一种基于改进DANN网络的织物缺陷检测算法。分析了对抗迁移学习领域的DANN网络存在的仅考虑源域和目标域间特征相似的情况和对于复杂图片提取到的特征能力较差的问题。提出了改进的方法... 针对传统的织物缺陷检测算法普适性不足的问题,提出一种基于改进DANN网络的织物缺陷检测算法。分析了对抗迁移学习领域的DANN网络存在的仅考虑源域和目标域间特征相似的情况和对于复杂图片提取到的特征能力较差的问题。提出了改进的方法,通过在网络中加入MMD层,可以对提取到的目标域特征赋予不同的权重,并使用ResNet50作为特征提取器。将原DANN网络和改进的MMD-DANN网络在织物缺陷图库中进行了测试并对比了二者的缺陷检测结果。结果表明,改进后网络相比于原网络的准确率平均提高了5%左右,且实时性良好,能满足实际工业需求。 展开更多

关键词 织物缺陷检测 对抗迁移学习 DANN网络 MMD ResNet50

下载PDF 职称材料