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
共找到68篇文章
< 1 2 … 4 >
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：
基于帝国殖民竞争算法优化支持向量机的电力变压器故障诊断模型 被引量：43
1
作者 张镱议 焦健 +3 位作者 汪可 郑含博 房加珂 周浩 《电力自动化设备》 EI CSCD 北大核心 2018年第1期99-104,共6页
提出了一种基于帝国殖民竞争算法优化支持向量机的变压器故障诊断模型。对支持向量机进行了非线性和多分类变换,构建了k-折平均分类准确率目标函数,建立了帝国殖民竞争算法优化支持向量机的非线性多分类模型,结合交叉验证原理对变压器... 提出了一种基于帝国殖民竞争算法优化支持向量机的变压器故障诊断模型。对支持向量机进行了非线性和多分类变换,构建了k-折平均分类准确率目标函数,建立了帝国殖民竞争算法优化支持向量机的非线性多分类模型,结合交叉验证原理对变压器进行了故障诊断。故障诊断结果表明,所提方法的平均测试准确率优于标准支持向量机和粒子群优化算法优化支持向量机(准确率分别为77.08%、57.97%和61.96%),验证了所提模型的有效性。采用UCI基准数据集对所提模型进行分类测试,结果表明所提模型在解决分类问题上具有较好的泛化性。 展开更多
关键词 电力变压器 故障诊断 帝国殖民竞争算法 支持向量机 准确率 多分类 模型
下载PDF
遗传算法和BP神经网络在电机故障诊断中的应用研究 被引量：22
2
作者 杨超 王志伟 《噪声与振动控制》 CSCD 北大核心 2010年第5期153-156,185,共5页
针对BP神经网络算法容易陷入局部极小点及收敛速度慢的问题,利用遗传算法对BP神经网络的权值和阀值进行优化,改善BP神经网络的诊断性能;通过GA-BP网络对电机的三种工作状态进行了诊断识别,其实验仿真结果表明:无论是在诊断速度上还是诊... 针对BP神经网络算法容易陷入局部极小点及收敛速度慢的问题,利用遗传算法对BP神经网络的权值和阀值进行优化,改善BP神经网络的诊断性能;通过GA-BP网络对电机的三种工作状态进行了诊断识别,其实验仿真结果表明:无论是在诊断速度上还是诊断精度上,GA-BP神经网络诊断性能都比单独的运用BP网络有很大提高。 展开更多
关键词 振动与波 遗传算法 BP神经网络 故障诊断 诊断精度
下载PDF
神经网络在变压器故障诊断中典型算法研究 被引量：20
3
作者 胡汉梅 鲍亮亮 赵海军 《高压电器》 CAS CSCD 北大核心 2008年第3期217-220,共4页
为了随时检测变压器状态,及早发现并排除变压器可能存在的故障,笔者将3种不同的神经网络(即BP网络、GA-BP网络与RBF网络)应用于变压器故障诊断中,分别介绍了这3种网络的结构及原理,故障诊断采用MATLAB语言编程实现。大量实验数据结果分... 为了随时检测变压器状态,及早发现并排除变压器可能存在的故障,笔者将3种不同的神经网络(即BP网络、GA-BP网络与RBF网络)应用于变压器故障诊断中,分别介绍了这3种网络的结构及原理,故障诊断采用MATLAB语言编程实现。大量实验数据结果分析表明,RBF网络在诊断准确率相比其他两种网络具有一定的优势。 展开更多
关键词 变压器 故障诊断 BP网络 GA-BP网络 RBF网络 诊断准确率
下载PDF
刮板输送机远程动态监测及故障诊断系统研究 被引量：22
4
作者 张强 吴泽光 +1 位作者 祁秀 井旺 《仪表技术与传感器》 CSCD 北大核心 2016年第5期51-53,60,共4页
为了实现对刮板输送机运行过程中的各项运行参数的实时在线监测及故障诊断,以组态软件King View为上位机开发平台,建立刮板输送机远程动态监测及故障诊断系统。采用传感器技术及现场总线技术分别对刮板输送机的运行状态、电压、电流、... 为了实现对刮板输送机运行过程中的各项运行参数的实时在线监测及故障诊断,以组态软件King View为上位机开发平台,建立刮板输送机远程动态监测及故障诊断系统。采用传感器技术及现场总线技术分别对刮板输送机的运行状态、电压、电流、链速以及运行周期进行实时监测,并对刮板输送机的断链、跳链以及堵转等异常工况进行故障诊断。现场试验结果表明,刮板输送机远程动态监测及故障诊断系统运行稳定,信号反馈速度及测试精度较高,故障诊断结果准确,说明系统具有较高的可靠性。 展开更多
关键词 刮板输送机 监测 故障诊断 组态 总线 测试精度
下载PDF
改进BP神经网络的SVM变压器故障诊断 被引量：21
5
作者 王保义 杨韵洁 张少敏 《电测与仪表》 北大核心 2019年第19期53-58,共6页
油中溶解气体是变压器故障诊断的重要依据,为了融合以及扩充变压器油中溶解气体含量的特征信息,提高变压器故障诊断准确率,文中提出了改进BP神经网络的SVM(Support Vector Machine)变压器故障诊断方法。通过改进的BP神经网络将5维的气... 油中溶解气体是变压器故障诊断的重要依据,为了融合以及扩充变压器油中溶解气体含量的特征信息,提高变压器故障诊断准确率,文中提出了改进BP神经网络的SVM(Support Vector Machine)变压器故障诊断方法。通过改进的BP神经网络将5维的气体特征信息进行融合并扩充到128维;在改进的BP神经网络中使用每层提取的特征向量作为SVM的输入对变压器故障进行诊断,增加改进的BP神经网络中诊断准确率较高的特征向量的权重;选择累积权重最大的特征向量作为输入,使用SVM进行变压器的故障诊断。该方法经过多层神经网络的映射使提取的气体特征信息融合及扩充后具有更加明显的特征区别,从而可以有效的提高SVM的诊断准确率。实验结果表明,所提出的算法与BP神经网络和SVM的变压器故障诊断方法相比诊断准确率有较大的提升。同时,随着训练数据样本的增加,模型的诊断准确率具有一定的提升。 展开更多
关键词 变压器 故障诊断 改进BP神经网络 SVM 权重 准确率
下载PDF
基于分形维数和GA-SVM的风电机组齿轮箱轴承故障诊断 被引量：19
6
作者 时培明 梁凯 +1 位作者 赵娜 安淑君 《计量学报》 CSCD 北大核心 2018年第1期61-65,共5页
对风机齿轮箱轴承故障诊断进行了研究,提出一种基于分形维数和遗传算法支持向量机(GA-SVM)相结合的故障诊断算法。基于常用的时域特征参数作为支持向量机的识别参数,引入分形维数特征参数来提升支持向量机的识别精度。提出了基于遗传算... 对风机齿轮箱轴承故障诊断进行了研究,提出一种基于分形维数和遗传算法支持向量机(GA-SVM)相结合的故障诊断算法。基于常用的时域特征参数作为支持向量机的识别参数,引入分形维数特征参数来提升支持向量机的识别精度。提出了基于遗传算法(GA)的支持向量机参数优化的模型,通过GA的寻优自动获得最优的支持向量机参数。采用某风场的风电机组齿轮箱轴承数据进行故障诊断,实验表明,所提出的GA-SVM模型很好地解决了参数选择的问题,同时基于分形维数的特征参数也提高了风电机组轴承故障的识别准确率。 展开更多
关键词 计量学 轴承故障诊断 风电齿轮箱 分形维数 遗传算法支持向量机 识别准确率
下载PDF
基于深度信念网络的光伏阵列故障诊断 被引量：16
7
作者 陶彩霞 王旭 高锋阳 《中国电力》 CSCD 北大核心 2019年第12期105-112,共8页
光伏阵列所处环境恶劣严峻,导致故障频发。为提高光伏阵列故障诊断精度,针对光伏阵列的常见故障类型,提出基于深度信念网络(deep belief networks,DBN)的故障诊断方法。利用Matlab仿真模拟获取实验特征参数,建立以光伏阵列5种运行状态... 光伏阵列所处环境恶劣严峻,导致故障频发。为提高光伏阵列故障诊断精度,针对光伏阵列的常见故障类型,提出基于深度信念网络(deep belief networks,DBN)的故障诊断方法。利用Matlab仿真模拟获取实验特征参数,建立以光伏阵列5种运行状态为输出的故障诊断模型;根据深度信念网络的特点,通过识别实验,分析不同训练集、训练周期以及受限玻尔兹曼机(restricted boltzmann machine,RBM)层数等对模型性能的影响,并从整体诊断精度和各类型故障诊断精度2方面,与模糊C均值聚类(fuzzy C-means clustering.FCM)、支持向量机(support vector machine,SVM)和BP神经网络(back propagation neural networks,BPNN)方法进行对比。实验结果表明,该方法适用于光伏阵列故障分类,相比于其他诊断模型,有效提高了故障识别准确率。 展开更多
关键词 光伏阵列 故障诊断 特征参数 深度信念网络 识别准确率
下载PDF
邻域粗糙集与相关向量机相结合的变压器故障综合诊断模型 被引量：15
8
作者 陈嘉霖 段家华 张明宇 《电力系统及其自动化学报》 CSCD 北大核心 2016年第11期117-122,共6页
针对变压器相关向量机故障诊断模型中冗余信息影响泛化能力的问题,提出了邻域粗糙集与相关向量机相结合的变压器故障综合诊断模型。首先采用领域知识和快速约简算法进行属性约简;其次利用条件属性对决策属性的依赖性度量进行属性加权;... 针对变压器相关向量机故障诊断模型中冗余信息影响泛化能力的问题,提出了邻域粗糙集与相关向量机相结合的变压器故障综合诊断模型。首先采用领域知识和快速约简算法进行属性约简;其次利用条件属性对决策属性的依赖性度量进行属性加权;然后将约简后和数值化后形成的特征向量集输入相关向量机进行训练;最后用测试集进行测试。实例显示所提方法的测试确诊率均高于单独相关向量机模型,说明邻域粗糙集提升了相关向量机的实用性和准确性。 展开更多
关键词 邻域粗糙集 相关向量机 变压器 故障诊断 诊断精度
下载PDF
基于改进蛙跳算法的无线传感网络节点故障诊断技术研究（英文） 被引量：10
9
作者 邢小东 《机床与液压》 北大核心 2019年第12期97-102,共6页
随着物联网技术的快速发展,各种自动化监测系统得到了广泛的应用。无线传感网络作为监测系统的主要技术手段,其自身的节点运行状态对系统的可靠性有着直接的影响。因此,为了对无线传感器网络节点故障进行精确和快速的诊断,提出了一种基... 随着物联网技术的快速发展,各种自动化监测系统得到了广泛的应用。无线传感网络作为监测系统的主要技术手段,其自身的节点运行状态对系统的可靠性有着直接的影响。因此,为了对无线传感器网络节点故障进行精确和快速的诊断,提出了一种基于改进蛙跳算法的无线传感网络节点故障诊断方法。首先对无线传感器网络节点结构和故障分类体系进行了分析。然后对传统的BP小波神经网络方法进行分析,并采用蛙跳算法进行了优化,从而克服了局部搜索陷入问题。仿真实验结果显示:相比BP小波神经网络方法,提出方法具有更高的可靠性和准确性。 展开更多
关键词 故障诊断 无线传感网络 小波神经网络 蛙跳算法 可靠性 准确性
下载PDF
远程故障诊断维护系统数据传输策略的研究与实现 被引量：9
10
作者 刘巍 朱名日 鲁骏 《计算机工程与科学》 CSCD 2008年第7期24-26,64,共4页
随着计算机网络通信及其相关技术的发展,远程故障诊断及维护技术逐渐成为故障诊断领域一个新的发展方向。及时、准确地传输信息是诊断、处理现场故障的保障。根据特种罐体焊接机故障远程诊断维护系统的需要,选择C/S模式网络体系结构;结... 随着计算机网络通信及其相关技术的发展,远程故障诊断及维护技术逐渐成为故障诊断领域一个新的发展方向。及时、准确地传输信息是诊断、处理现场故障的保障。根据特种罐体焊接机故障远程诊断维护系统的需要,选择C/S模式网络体系结构;结合不同类型数据传输的特点,运用适当的方式,实现了数据实时、准确的传输。并通过系统的实际运行,证明了本远程故障诊断维护系统有良好的实用价值。 展开更多
关键词 远程故障诊断 实时 准确
下载PDF
基于GA-BP神经网络的发动机失火诊断 被引量：9
11
作者 赵亮 彭琳 《机械设计与制造》 北大核心 2017年第10期117-120,125,共5页
为了提高神经网络在发动机失火故障诊断中的准确率,提出了GA-BP神经网络算法。分析了发动机故障时的尾气变化情况,提出了发动机故障诊断规则;分析了BP神经网络原理,指出其训练速度慢、容易陷入局部极值问题;使用遗传算法对神经网络结构... 为了提高神经网络在发动机失火故障诊断中的准确率,提出了GA-BP神经网络算法。分析了发动机故障时的尾气变化情况,提出了发动机故障诊断规则;分析了BP神经网络原理,指出其训练速度慢、容易陷入局部极值问题;使用遗传算法对神经网络结构和参数进行优化,得到最优网络结构,将优化后的模型参数作为初始值再次进行BP算法优化;将此算法与自适应动量BP神经网络进行对比,GA-BP神经网络不仅缩短了训练时间,而且故障诊断准确率也大大提高。 展开更多
关键词 发动机 失火故障诊断 GA-BP神经网络 诊断准确率
下载PDF
基于贝叶斯优化XGBoost算法的变压器故障诊断 被引量：3
12
作者 贾皓阳 钱宇 《黄河水利职业技术学院学报》 2023年第2期37-43,共7页
为提升对高能放电等小样本故障诊断的敏感度,提出基于贝叶斯优化极端梯度提升算法(BO-XGBoost)的变压器故障诊断模型。分析了贝叶斯优化XGBoost算法的基本原理和基于该算法进行变压器故障诊断的流程,选取259组故障样本,探讨了该模型的... 为提升对高能放电等小样本故障诊断的敏感度,提出基于贝叶斯优化极端梯度提升算法(BO-XGBoost)的变压器故障诊断模型。分析了贝叶斯优化XGBoost算法的基本原理和基于该算法进行变压器故障诊断的流程,选取259组故障样本,探讨了该模型的具体应用,并将其与XGBoost、支持向量机(SVM)、随机森林(RF)、K邻近法(KNN)等模型进行对比。结果表明,BO-XGBoost模型在变压器故障诊断中的精度为98.08%,比前述模型的诊断精度分别提高了5.77%、27.42%、22.58%、19.5%。 展开更多
关键词 变压器故障诊断 贝叶斯优化算法 XGBoost算法 油中溶解气体 故障类型 诊断流程 诊断精度 对比分析
下载PDF
基于蚁狮算法优化极限学习机的变压器故障诊断 被引量：3
13
作者 王瑞 尤敬尧 +3 位作者 章小彬 李勇 徐志锋 刘闯 《黑龙江电力》 CAS 2023年第1期17-22,共6页
为提高变压器故障诊断的准确性,采用蚁狮优化算法对极限学习机的权值和阈值进行优化,建立基于蚁狮算法优化极限学习机的变压器故障诊断模型。采用训练样本集数据进行训练,根据训练误差确定ELM网络结构为5-13-6,利用训练好的ALO-ELM模型... 为提高变压器故障诊断的准确性,采用蚁狮优化算法对极限学习机的权值和阈值进行优化,建立基于蚁狮算法优化极限学习机的变压器故障诊断模型。采用训练样本集数据进行训练,根据训练误差确定ELM网络结构为5-13-6,利用训练好的ALO-ELM模型对训练样本集的数据进行故障诊断,并与其他故障诊断方法进行对比。结果表明,ALO-ELM模型诊断结果的综合正确率为98%,高于其他故障诊断方法,验证了所应用变压器故障诊断方法的正确性和有效性。 展开更多
关键词 变压器 故障诊断 蚁狮优化算法 极限学习机 综合正确率
下载PDF
基于特征融合和ResNet的滚动轴承故障诊断 被引量：3
14
作者 汤武初 吕亚博 +1 位作者 刘佳彬 韩丹 《机电工程》 CAS 北大核心 2023年第8期1167-1175,共9页
由于滚动轴承信号非平稳、非线性,导致轴承的故障信息提取困难,并且采用传统故障诊断方法诊断精度低,又过度依赖专家经验以及深度学习的故障诊断方法需海量的训练数据,为了解决上述问题,提出了一种基于特征融合和深度残差神经网络(ResN... 由于滚动轴承信号非平稳、非线性,导致轴承的故障信息提取困难,并且采用传统故障诊断方法诊断精度低,又过度依赖专家经验以及深度学习的故障诊断方法需海量的训练数据,为了解决上述问题,提出了一种基于特征融合和深度残差神经网络(ResNet)的滚动轴承故障诊断方法。首先,利用变分模态分解(VMD)和经验模态分解(EMD)的方法分解了原始信号;然后,根据方差贡献率和相关系数筛选确定了有效分量,对筛选出的有效分量进行了特征融合,组成数据集输入到ResNet模型中,并进行了故障诊断;最后,利用开源数据集对基于特征融合和深度残差神经网络(ResNet)的滚动轴承故障诊断方法进行了可行性和有效性验证,并通过滚动轴承实例数据验证了其泛化能力和鲁棒性。研究结果表明:在开源数据集中,采用该方法所获得的故障识别率达到了99.8%,相比于传统卷积神经网络(CNN)90%的故障识别率,其故障识别率更高;在滚动轴承实例数据集中,采用该方法所获得的故障识别率达到了97%以上,进一步证明了特征融合结合深度残差神经网络的故障诊断方法可有效应用于滚动轴承故障诊断中。 展开更多
关键词 故障信息提取 故障诊断精度 残差神经网络 变分模态分解 经验模态分解 有效分量 特征融合
下载PDF
基于深度学习的故障诊断方法研究综述 被引量：7
15
作者 邓婕 李舜酩 《电子测试》 2020年第18期43-47,51,共6页
随着现代工业朝大型化复杂化的方向发展,对机械系统进行智能故障诊断的技术日益走进人们的视野中。本文首先对深度学习的发展进行了简介,列举了智能故障诊断相比传统方法的优势,其次着重介绍了深度学习领域中几种常见模型的结构,包括深... 随着现代工业朝大型化复杂化的方向发展,对机械系统进行智能故障诊断的技术日益走进人们的视野中。本文首先对深度学习的发展进行了简介,列举了智能故障诊断相比传统方法的优势,其次着重介绍了深度学习领域中几种常见模型的结构,包括深度信念网络,深度卷积神经网络和深度自编码网络,以及这些模型目前在国内外的一些应用与发展,最后讨论了这种智能诊断方法目前存在的一些问题以及深度学习领域未来的发展趋势。 展开更多
关键词 深度学习 故障诊断 特征提取 诊断准确度
下载PDF
基于多模型级联的油浸式电力变压器故障诊断方法 被引量：3
16
作者 李元 李星辉 +4 位作者 孙渭薇 李睿 林金山 张大宁 张冠军 《智慧电力》 北大核心 2023年第6期86-92,共7页
为充分考虑不同诊断模型间数据信息提取的差异性,发挥不同诊断模型的优势,本文基于集成学习思想提出一种双层级联的变压器故障诊断模型构建策略。首先利用无编码比值方法对油中溶解气体数据进行特征提取,然后利用第一层中的4个分类器对... 为充分考虑不同诊断模型间数据信息提取的差异性,发挥不同诊断模型的优势,本文基于集成学习思想提出一种双层级联的变压器故障诊断模型构建策略。首先利用无编码比值方法对油中溶解气体数据进行特征提取,然后利用第一层中的4个分类器对比数据并行分类,最后利用第二层分类模型对第一层模型的组合诊断结果进行特征提取,得到最终的诊断结果。案例验证结果表明,相较于支持向量机、分类回归树、K近邻和朴素贝叶斯4种第一层分类器,级联模型在每一种故障类型上的分类精度都达到了四个单一分类器的最优或次优水平,在综合识别准确率上分别提升了6%,24.8%,8.96%,4.99%。 展开更多
关键词 电力变压器 故障诊断 敏感性 级联模型 诊断精度
下载PDF
基于EEMD和BLSTM算法的齿轮泵行星轮典型故障诊断 被引量：6
17
作者 朱渔 李丹 +1 位作者 李晓明 张建国 《机械设计与研究》 CSCD 北大核心 2022年第4期198-201,207,共5页
为了提高齿轮泵行星轮的典型故障诊断精度,提出了一种基于经验模态分解(ensemble empirical mode decomposition,EEMD)和双向长短时记忆网络(bi-directionallong short-time memory,BLSTM)的行星齿轮泵故障诊断方法。总共设置四种行星... 为了提高齿轮泵行星轮的典型故障诊断精度,提出了一种基于经验模态分解(ensemble empirical mode decomposition,EEMD)和双向长短时记忆网络(bi-directionallong short-time memory,BLSTM)的行星齿轮泵故障诊断方法。总共设置四种行星齿轮故障类型,综合验证检测性能。通过EEMD方法完成信号分解,获得本征模态函数(intrinsic mode function,IMF)分量,对网络实施训练来提升故障类型的分辨精度,并深入分析了各项网络参数。研究结果表明:本网络损失小于1%,可以推断该网络满足良好稳定性。可以实现精确识别齿面磨损和缺齿的问题,断齿、正常齿的轮识别率都达到了93%以上,齿根裂纹故障达到了87.2%。经过EEMD处理的网络发生了稳定性与精度的显著提升。到达后期迭代阶段时,BLSTM网络拟合速度开始变快,精度也获得提升。通过训练精度和耗时优化得到:节点数100和三层网络条件下是最优的。该研究对提高机械传动设备的故障识别能力具有一定的理论指导意义。 展开更多
关键词 齿轮泵 故障诊断 经验模态分解 双向长短时记忆网络 分类精度
原文传递
概率神经网络在水泵故障诊断中的应用研究 被引量：7
18
作者 王瑞海 孙鹏 +2 位作者 吕振江 汤家升 刘鹏 《煤矿机械》 北大核心 2014年第10期285-287,共3页
针对水泵机组振动故障的复杂性,采用了应用较为成熟的基于概率神经网络(PNN)的故障诊断方法。依据归一化的故障特征量样本和目标期望输出,对诊断网络进行了达标训练。通过验证数据进行网络诊断测试,证明该方法可以满足水泵故障诊断的快... 针对水泵机组振动故障的复杂性,采用了应用较为成熟的基于概率神经网络(PNN)的故障诊断方法。依据归一化的故障特征量样本和目标期望输出,对诊断网络进行了达标训练。通过验证数据进行网络诊断测试,证明该方法可以满足水泵故障诊断的快速性和准确性,具有实际应用价值。为水泵振动故障诊断技术的提升打下基础。 展开更多
关键词 水泵机组 故障诊断 概率神经网络 快速性 准确性
下载PDF
联合残差域自适应的变工况轴承故障诊断方法
19
作者 骆世龙 段礼祥 张俊玲 《石油机械》 北大核心 2024年第4期18-26,共9页
滚动轴承由于实际工况变化造成故障数据特征分布不同,出现跨领域问题,传统以数据独立同分布为前提的故障诊断方法难以解决该问题。为此,设计并搭建了聚合残差网络,以残差连接和分组卷积式的独特网络结构实现故障敏感特征深度挖掘。提出... 滚动轴承由于实际工况变化造成故障数据特征分布不同,出现跨领域问题,传统以数据独立同分布为前提的故障诊断方法难以解决该问题。为此,设计并搭建了聚合残差网络,以残差连接和分组卷积式的独特网络结构实现故障敏感特征深度挖掘。提出一种联合残差域自适应的故障诊断方法,该方法通过最优广义S变换构建聚合残差网络提取图像的可迁移特征,最后以联合最大均值差异自适应地减小数据间的联合分布差异,实现变工况轴承的故障诊断。对3种工况下的滚动轴承进行了6组迁移试验,试验结果表明:联合残差域自适应方法故障诊断准确率达到了98.29%,相比于联合分布自适应法JDA和联合分布自适应+卷积神经网络法JDA+CNN,分别提升了21.0和5.1个百分点。研究结果可为变工况滚动轴承的故障诊断提供技术参考。 展开更多
关键词 滚动轴承 故障诊断 聚合残差网络 联合残差域自适应 故障诊断准确率
下载PDF
融合注意力机制的残差型双向LSTM汽车电机轴承诊断
20
作者 姜健 王平 《汽车安全与节能学报》 CAS CSCD 北大核心 2024年第4期511-519,共9页
为保障汽车的安全行驶,准确诊断和监测电机轴承故障,该文提出一种融合注意力机制的残差型双向长短期记忆网络(LSTM)汽车电机轴承故障诊断方法。利用特征提取模块结合正反向移动的LSTM组以充分感知汽车电机轴承故障特征;信号诊断模块采... 为保障汽车的安全行驶,准确诊断和监测电机轴承故障,该文提出一种融合注意力机制的残差型双向长短期记忆网络(LSTM)汽车电机轴承故障诊断方法。利用特征提取模块结合正反向移动的LSTM组以充分感知汽车电机轴承故障特征;信号诊断模块采用残差型双向LSTM架构,并结合局部增强注意力机制优化权值,获得隐藏状态量;通过故障分类模块采用全局平均池化(GAP)方法与SoftMax模型,有效完成故障检测。结果表明:该方法汽车电机轴承故障检测准确率可达93.1%;在训练样本仅为30的条件下,准确率可达66.3%;当测试集的信噪比从10 dB降低至2 dB时,准确率仅下降8.5%。因此,该方法具有更高的准确性和更强的鲁棒性。 展开更多
关键词 汽车安全 电机轴承 故障诊断 注意力机制 特征提取 准确率 信噪比
下载PDF
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 2 … 4 下一页 到第 页
使用帮助 返回顶部