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
基于改进ACGAN的钢表面缺陷视觉检测方法
被引量:
2
1
作者
李可
祁阳
+2 位作者
宿磊
顾杰斐
苏文胜
《机械工程学报》
EI
CAS
CSCD
北大核心
2022年第24期32-40,共9页
为提高小样本环境下钢表面缺陷检测精度,提出一种基于改进辅助分类生成对抗网络(Auxiliary classifier generative adversarial network,ACGAN)的钢表面缺陷检测方法。利用残差块优化ACGAN的网络结构,提高模型的特征提取能力;其次,为提...
为提高小样本环境下钢表面缺陷检测精度,提出一种基于改进辅助分类生成对抗网络(Auxiliary classifier generative adversarial network,ACGAN)的钢表面缺陷检测方法。利用残差块优化ACGAN的网络结构,提高模型的特征提取能力;其次,为提高模型训练的稳定性,在网络的卷积层中添加谱范数归一化,防止模型异常的梯度变化;基于正-未标记分类的思想优化判别器的损失函数,提高生成样本的质量;同时,为缓解生成对抗网络的模式崩塌问题,在损失函数中添加梯度惩罚来约束判别器的梯度;通过生成器和判别器的对抗优化训练实现样本扩充。通过对钢表面缺陷数据集的试验,验证了提出的方法能准确有效地实现小样本环境下钢表面缺陷检测。与经典的SVM、ResNet50以及一些小样本分类模型相比,所提方法具有更高的检测精度。
展开更多
关键词
钢表面缺陷检测
辅助分类生成对抗网络
小样本
梯度惩罚
原文传递
基于改进ACGAN的永磁同步电机数据扩张方法
被引量:
1
2
作者
许小伟
韦道明
+3 位作者
严运兵
刘哲宇
敖金艳
占柳
《哈尔滨工业大学学报》
EI
CAS
CSCD
北大核心
2023年第10期114-121,共8页
永磁同步电机(permanent magnet synchronous motor,PMSM)的监测数据呈现出非平稳、非线性、多源异构性和价值低密度性等特点,而仿真数据难以准确地模拟电机故障类型和故障程度,使得正常数据与故障数据的样本呈现严重不均衡现象,导致故...
永磁同步电机(permanent magnet synchronous motor,PMSM)的监测数据呈现出非平稳、非线性、多源异构性和价值低密度性等特点,而仿真数据难以准确地模拟电机故障类型和故障程度,使得正常数据与故障数据的样本呈现严重不均衡现象,导致故障诊断的模型训练容易出现过拟合、精度低等问题。本文提出了一种改进辅助分类生成对抗网络(auxiliary classification generation adversarial network,ACGAN),通过对原始样本的分布特性进行学习,实现对PMSM实测故障数据的扩张,为电机的故障诊断和健康评估提供数据基础。首先,针对ACGAN网络收敛性差和梯度易消失或爆炸的问题,使用Wasserstein距离约束生成数据的重建损失,利用梯度惩罚代替权值剪裁对模型进行优化,解决模型训练不稳定问题;其次,剖析数据之间的变化关系和历史变化规律,在生成器中引入循环神经网络提高生成数据质量;最后,利用PMSM匝间短路的故障数据,对比分析ROS、SMOTE、ADASYN及改进ACGAN 4种数据扩张方法对提升故障诊断模型性能的有效性。分析结果表明,与其他数据扩张方法相比,改进ACGAN方法的模型训练较稳定、收敛速度较快,扩张数据质量较高。
展开更多
关键词
永磁同步电机
数据扩张
改进辅助分类生成对抗网络
梯度惩罚
循环神经网络
下载PDF
职称材料
题名
基于改进ACGAN的钢表面缺陷视觉检测方法
被引量:
2
1
作者
李可
祁阳
宿磊
顾杰斐
苏文胜
机构
江南大学机械工程学院
江苏省特种设备安全监督检验研究院
出处
《机械工程学报》
EI
CAS
CSCD
北大核心
2022年第24期32-40,共9页
基金
国家自然科学基金(51775243,11902124)
江苏省市场监督管理局科技计划(KJ196043)资助项目
文摘
为提高小样本环境下钢表面缺陷检测精度,提出一种基于改进辅助分类生成对抗网络(Auxiliary classifier generative adversarial network,ACGAN)的钢表面缺陷检测方法。利用残差块优化ACGAN的网络结构,提高模型的特征提取能力;其次,为提高模型训练的稳定性,在网络的卷积层中添加谱范数归一化,防止模型异常的梯度变化;基于正-未标记分类的思想优化判别器的损失函数,提高生成样本的质量;同时,为缓解生成对抗网络的模式崩塌问题,在损失函数中添加梯度惩罚来约束判别器的梯度;通过生成器和判别器的对抗优化训练实现样本扩充。通过对钢表面缺陷数据集的试验,验证了提出的方法能准确有效地实现小样本环境下钢表面缺陷检测。与经典的SVM、ResNet50以及一些小样本分类模型相比,所提方法具有更高的检测精度。
关键词
钢表面缺陷检测
辅助分类生成对抗网络
小样本
梯度惩罚
Keywords
steel
surface
defect
detection
auxiliary
classification
generation
adversarial
network
small
sample
gradient
penalty
分类号
TG142.15 [一般工业技术—材料科学与工程]
TP391.41 [金属学及工艺—金属材料]
原文传递
题名
基于改进ACGAN的永磁同步电机数据扩张方法
被引量:
1
2
作者
许小伟
韦道明
严运兵
刘哲宇
敖金艳
占柳
机构
武汉科技大学汽车与交通工程学院
广东海洋大学船舶与海运学院
出处
《哈尔滨工业大学学报》
EI
CAS
CSCD
北大核心
2023年第10期114-121,共8页
基金
国家自然科学基金(51975426)
湖北省重点研发计划(2021BAA018,2022BAA062)。
文摘
永磁同步电机(permanent magnet synchronous motor,PMSM)的监测数据呈现出非平稳、非线性、多源异构性和价值低密度性等特点,而仿真数据难以准确地模拟电机故障类型和故障程度,使得正常数据与故障数据的样本呈现严重不均衡现象,导致故障诊断的模型训练容易出现过拟合、精度低等问题。本文提出了一种改进辅助分类生成对抗网络(auxiliary classification generation adversarial network,ACGAN),通过对原始样本的分布特性进行学习,实现对PMSM实测故障数据的扩张,为电机的故障诊断和健康评估提供数据基础。首先,针对ACGAN网络收敛性差和梯度易消失或爆炸的问题,使用Wasserstein距离约束生成数据的重建损失,利用梯度惩罚代替权值剪裁对模型进行优化,解决模型训练不稳定问题;其次,剖析数据之间的变化关系和历史变化规律,在生成器中引入循环神经网络提高生成数据质量;最后,利用PMSM匝间短路的故障数据,对比分析ROS、SMOTE、ADASYN及改进ACGAN 4种数据扩张方法对提升故障诊断模型性能的有效性。分析结果表明,与其他数据扩张方法相比,改进ACGAN方法的模型训练较稳定、收敛速度较快,扩张数据质量较高。
关键词
永磁同步电机
数据扩张
改进辅助分类生成对抗网络
梯度惩罚
循环神经网络
Keywords
permanent
magnet
synchronous
motor
data
expansion
improved
auxiliary
classification
generation
adversarial
network
gradient
penalty
recurrent
neural
network
分类号
TP182 [自动化与计算机技术—控制理论与控制工程]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于改进ACGAN的钢表面缺陷视觉检测方法
李可
祁阳
宿磊
顾杰斐
苏文胜
《机械工程学报》
EI
CAS
CSCD
北大核心
2022
2
原文传递
2
基于改进ACGAN的永磁同步电机数据扩张方法
许小伟
韦道明
严运兵
刘哲宇
敖金艳
占柳
《哈尔滨工业大学学报》
EI
CAS
CSCD
北大核心
2023
1
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