期刊导航
期刊开放获取
河南省图书馆
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的永磁同步电机数据扩张方法
被引量:
1
1
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
双重对抗自编码数据扩张方法及应用
2
作者
许小伟
敖金艳
+1 位作者
刘光华
王亚玮
《华中科技大学学报(自然科学版)》
EI
CAS
CSCD
北大核心
2023年第12期29-36,共8页
针对深度学习存在的数据不足、质量不高的问题,将自编码网络的训练稳定特性和生成对抗网络的对抗特性相结合,提出了双重对抗自编码(CAAE)数据扩张方法,并将其应用到永磁同步电机(PMSM)故障诊断中.在模型训练过程中,利用网络模型学习原...
针对深度学习存在的数据不足、质量不高的问题,将自编码网络的训练稳定特性和生成对抗网络的对抗特性相结合,提出了双重对抗自编码(CAAE)数据扩张方法,并将其应用到永磁同步电机(PMSM)故障诊断中.在模型训练过程中,利用网络模型学习原始数据的分布,将压缩后的变量和解码后的重构数据分别输入到对应的判别器,形成双重对抗,保证生成数据的质量.训练完成后,将满足特定分布的随机变量和类别标签输入到训练后的网络模型,即可生成相应类别的数据.以电机匝间短路为例,在自建电机数据集上,通过双重对抗自编码进行故障数据扩张,根据各项指标的提升验证模型的有效性.结果表明:与传统数据扩张方法对比,双重对抗自编码生成的数据质量更高,能够提高诊断准确率.
展开更多
关键词
双重对抗自编码(CAAE)
数据扩张
生成对抗网络
自编码网络
永磁同步电机
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
1
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
双重对抗自编码数据扩张方法及应用
2
作者
许小伟
敖金艳
刘光华
王亚玮
机构
武汉科技大学汽车与交通工程学院
智新科技股份有限公司
华中科技大学电气与电子工程学院
出处
《华中科技大学学报(自然科学版)》
EI
CAS
CSCD
北大核心
2023年第12期29-36,共8页
基金
国家重点研发计划资助项目(2022YFE0125200)
国家自然科学基金资助项目(51975426)
湖北省重点研发计划资助项目(2021BAA018,2022BAA062)。
文摘
针对深度学习存在的数据不足、质量不高的问题,将自编码网络的训练稳定特性和生成对抗网络的对抗特性相结合,提出了双重对抗自编码(CAAE)数据扩张方法,并将其应用到永磁同步电机(PMSM)故障诊断中.在模型训练过程中,利用网络模型学习原始数据的分布,将压缩后的变量和解码后的重构数据分别输入到对应的判别器,形成双重对抗,保证生成数据的质量.训练完成后,将满足特定分布的随机变量和类别标签输入到训练后的网络模型,即可生成相应类别的数据.以电机匝间短路为例,在自建电机数据集上,通过双重对抗自编码进行故障数据扩张,根据各项指标的提升验证模型的有效性.结果表明:与传统数据扩张方法对比,双重对抗自编码生成的数据质量更高,能够提高诊断准确率.
关键词
双重对抗自编码(CAAE)
数据扩张
生成对抗网络
自编码网络
永磁同步电机
Keywords
couple adversarial auto-encoder(CAAE)
data expansion
generation adversarial network
auto-encoder network
permanent magnet synchronous motor(PMSM)
分类号
TP182 [自动化与计算机技术—控制理论与控制工程]
原文传递
题名
作者
出处
发文年
被引量
操作
1
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
2
双重对抗自编码数据扩张方法及应用
许小伟
敖金艳
刘光华
王亚玮
《华中科技大学学报(自然科学版)》
EI
CAS
CSCD
北大核心
2023
0
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