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
1
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
基于提升卷积神经网络的航空发动机高速轴承智能故障诊断
被引量：
17
1
作者
韩淞宇
邵海东
+1 位作者
姜洪开
张笑阳
《航空学报》
EI
CAS
CSCD
北大核心
2022年第9期150-163,共14页
航空发动机轴承长时间工作在高速重载的恶劣条件下,将不可避免地产生性能衰退甚至引发各种故障,自动准确的航空发动机高速轴承故障诊断方法有助于提升运行安全性和维修经济性。航空发动机高速轴承的原始振动信号具有强烈的非平稳性,且...
航空发动机轴承长时间工作在高速重载的恶劣条件下,将不可避免地产生性能衰退甚至引发各种故障,自动准确的航空发动机高速轴承故障诊断方法有助于提升运行安全性和维修经济性。航空发动机高速轴承的原始振动信号具有强烈的非平稳性,且其故障样本数量远小于健康样本,传统的智能诊断方法更容易向大样本偏斜,从而导致诊断性能的降低。针对上述问题,提出了一种基于自适应权重和多尺度卷积的提升卷积神经网络(CNN)。首先构造多尺度卷积网络提取故障样本的多尺度特征,挖掘具有识别性的有用信息;然后设计自适应权重单元对多尺度特征进行加权融合,增加重要特征的贡献度,减少非相关特征的影响;最后采用Focal Loss作为损失函数,使训练过程中网络模型更关注故障样本和易混淆样本。通过航空发动机高速轴承振动数据的测试与分析,证实了所提方法在不平衡数据故障诊断任务中的可行性。
展开更多
关键词
航空发动机高速轴承
智能故障诊断
提升卷积神经网络
不平衡数据
多尺度特征提取
自适应权重
损失函数补偿
原文传递
题名
基于提升卷积神经网络的航空发动机高速轴承智能故障诊断
被引量：
17
1
作者
韩淞宇
邵海东
姜洪开
张笑阳
机构
湖南大学机械与运载工程学院
西北
工业
大学民航学院
中国
航空工业
集团公司
西安
航空
计算技术
研究所
民机
事业部
出处
《航空学报》
EI
CAS
CSCD
北大核心
2022年第9期150-163,共14页
基金
国家重点研发计划(2020YFB1712100)
国家自然科学基金(51905160)
湖南省自然科学基金(2020JJ5072)。
文摘
航空发动机轴承长时间工作在高速重载的恶劣条件下,将不可避免地产生性能衰退甚至引发各种故障,自动准确的航空发动机高速轴承故障诊断方法有助于提升运行安全性和维修经济性。航空发动机高速轴承的原始振动信号具有强烈的非平稳性,且其故障样本数量远小于健康样本,传统的智能诊断方法更容易向大样本偏斜,从而导致诊断性能的降低。针对上述问题,提出了一种基于自适应权重和多尺度卷积的提升卷积神经网络(CNN)。首先构造多尺度卷积网络提取故障样本的多尺度特征,挖掘具有识别性的有用信息;然后设计自适应权重单元对多尺度特征进行加权融合,增加重要特征的贡献度,减少非相关特征的影响;最后采用Focal Loss作为损失函数,使训练过程中网络模型更关注故障样本和易混淆样本。通过航空发动机高速轴承振动数据的测试与分析,证实了所提方法在不平衡数据故障诊断任务中的可行性。
关键词
航空发动机高速轴承
智能故障诊断
提升卷积神经网络
不平衡数据
多尺度特征提取
自适应权重
损失函数补偿
Keywords
aero-engine high-speed bearings
intelligent fault diagnosis
enhanced convolutional neural network
unbalanced data
multi-scale feature extraction
adaptive weighting
loss function compensation
分类号
V232.2 [航空宇航科学与技术—航空宇航推进理论与工程]
原文传递
题名
作者
出处
发文年
被引量
操作
1
基于提升卷积神经网络的航空发动机高速轴承智能故障诊断
韩淞宇
邵海东
姜洪开
张笑阳
《航空学报》
EI
CAS
CSCD
北大核心
2022
17
原文传递
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
