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
6
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
多通道一维残差卷积神经网络在风力发电机组轴承故障智能诊断中的应用
被引量:
1
1
作者
郑梁
刘桂然
朱孝晗
《机械》
2023年第3期1-7,共7页
为提高卷积神经网络在风力发电机组轴承故障诊断上的准确率,本文对某2MW风力发电机组轴承故障数据,进行单通道及多通道、多种诊断网络模型、不同优化算法的故障诊断分析对比,提出将多个振动传感器的数据整合为多通道一维数据集,再使用...
为提高卷积神经网络在风力发电机组轴承故障诊断上的准确率,本文对某2MW风力发电机组轴承故障数据,进行单通道及多通道、多种诊断网络模型、不同优化算法的故障诊断分析对比,提出将多个振动传感器的数据整合为多通道一维数据集,再使用一维残差卷积神经网络进行故障诊断。得出基于Adam优化算法的多通道一维残差卷积神经网络诊断准确率最高。因此,多通道一维残差卷积神经网络在风力发电机组轴承故障诊断中应用效果良好,能够准确的识别各类故障模式,为机组的安全、稳定运行提供了保障。
展开更多
关键词
风力发电机组
智能故障诊断
多通道数据
一维残差卷积
神经网络
下载PDF
职称材料
基于数据融合及残差卷积自编码器的结构损伤识别方法
被引量:
1
2
作者
刘玉驰
蒋玉峰
+1 位作者
王树青
马春可
《振动与冲击》
EI
CSCD
北大核心
2023年第4期194-203,共10页
深海混输立管作业期间持续遭受外部风浪流耦合荷载及内部矿液两相流体磨蚀作用,长期作用下结构损伤逐渐积累。立管结构呈高长细比、柔性状态,传统结构损伤识别过程中存在模态参数识别困难、单测点响应损伤敏感度低等诸多问题。针对上述...
深海混输立管作业期间持续遭受外部风浪流耦合荷载及内部矿液两相流体磨蚀作用,长期作用下结构损伤逐渐积累。立管结构呈高长细比、柔性状态,传统结构损伤识别过程中存在模态参数识别困难、单测点响应损伤敏感度低等诸多问题。针对上述问题,该研究提出了基于数据融合及一维残差卷积自编码器(one dimension residual convolution autoencoder, 1D-RCAE)的深海混输立管结构损伤识别方法,以结构损伤敏感的应变动态响应为输入,使用主成分分析(principal component analysis, PCA)进行多测点应变响应特征融合,进一步利用1D-RCAE自动提取损伤敏感特征,以结构损伤前后敏感特征间的马氏距离构建结构损伤判定指标,实现混输立管结构健康状态监测。通过500 m深海混输立管结构数值模拟和立管物理缩尺模型试验对该研究提出的方法进行验证,结果表明,有限测量信息下能够有效实现深海混输立管结构损伤识别,其中数值模拟验证损伤识别准确率高于99%,物理模型验证损伤识别准确率高于98%。同时探究了噪声污染、海洋环境因素变化对该研究提出方法损伤识别性能的影响规律。
展开更多
关键词
深海混输立管
结构损伤识别
一维残差卷积
自编码器(1D-RCAE)
主成分分析(PCA)
数据融合
下载PDF
职称材料
基于优化残差卷积网络的滚动轴承变工况故障诊断
3
作者
段泽森
郝如江
+2 位作者
张晓锋
程旺
夏晗铎
《石家庄铁道大学学报(自然科学版)》
2022年第1期81-85,共5页
针对滚动轴承在实际运行环境中同时存在变负荷和变噪声的复合工况干扰而产生的故障诊断效果不理想的问题,提出了一种用于滚动轴承变工况故障诊断的一维残差卷积神经网络方法。将归一化后整理完的原始轴承振动信号输入到网络模型中,利用...
针对滚动轴承在实际运行环境中同时存在变负荷和变噪声的复合工况干扰而产生的故障诊断效果不理想的问题,提出了一种用于滚动轴承变工况故障诊断的一维残差卷积神经网络方法。将归一化后整理完的原始轴承振动信号输入到网络模型中,利用具有残差连接的多个一维卷积层提取特征,再经过多个卷积池化,最后输入到Softmax层进行分类,输出轴承振动信号的故障类型。将所提方法与一维卷积神经网络(CNN)、LeNet-5和AlexNet几个经典模型进行对比分析,结果表明,本文方法在变噪声实验和变负荷实验中的平均准确率分别为94.16%和95.31%,均高于其他经典神经网路,具有较强的抗噪性和泛化性能力。
展开更多
关键词
一维残差卷积
故障诊断
变工况
滚动轴承
下载PDF
职称材料
改进DQN的边缘计算任务卸载策略
4
作者
宋兴
葛海波
马世雄
《计算机工程与设计》
北大核心
2024年第7期1964-1971,共8页
为进一步提高边缘计算(MEC)中移动设备(MD)对低时延、低能耗计算卸载任务的需求,利用深度Q学习(DQN)、长短期记忆网络(LSTM)和注意力机制,设计一种基于DQN的深度强化学习卸载算法(LA-DQN)。以最小系统总代价(时延和能耗加权和)为目标建...
为进一步提高边缘计算(MEC)中移动设备(MD)对低时延、低能耗计算卸载任务的需求,利用深度Q学习(DQN)、长短期记忆网络(LSTM)和注意力机制,设计一种基于DQN的深度强化学习卸载算法(LA-DQN)。以最小系统总代价(时延和能耗加权和)为目标建立模型,使用一维残差卷积网络(Conv1D)和带有注意力机制的LSTM网络替换DQN网络的全连接层,提取MD的状态特征,减少需要计算的参数量并加强对输入状态的重点特征信息提取,加速算法收敛并得到最优卸载策略。仿真结果表明,与DQN、Full Local、Full Offload算法相比,LA-DQN算法能够有效降低任务处理的时延和能耗。
展开更多
关键词
边缘计算
深度强化学习
计算卸载
卸载策略
注意力机制
一维残差卷积
网络
全连接层
下载PDF
职称材料
基于深度学习的水平非均匀蒸发波导反演方法研究
5
作者
吴佳静
张金鹏
+1 位作者
张玉石
魏志强
《电波科学学报》
CSCD
北大核心
2023年第4期665-672,共8页
水平非均匀蒸发波导是一种异常的大气结构,在海上出现的概率高,对海上低空雷达具有较强的电磁捕获能力.然而,海上低空蒸发波导修正折射率剖面反演过程中由于水平方向剖面参数的非均匀变化,导致在实际的海洋环境中产生较大的反演复杂度...
水平非均匀蒸发波导是一种异常的大气结构,在海上出现的概率高,对海上低空雷达具有较强的电磁捕获能力.然而,海上低空蒸发波导修正折射率剖面反演过程中由于水平方向剖面参数的非均匀变化,导致在实际的海洋环境中产生较大的反演复杂度和误差.为解决上述问题,首先提出了一维残差扩张因果卷积自编码器(one-dimensional residual dilated causal convolutional autoencoder,1D-RDCAE)网络实现低自由度的非均匀蒸发波导剖面建模,其次提出了多尺度卷积残差网络(multi-scale convolutional attention residual network,MSCA-ResNet)框架来实现水平非均匀蒸发波导剖面反演.为验证建模模型的有效性,在模拟海杂波功率数据集上验证降维模型的有效性,实验结果表明,基于1D-RDCAE比基于主分量分析法、堆栈自动编码器和一维卷积自动编码器降维重构后更接近原始数据,并且在模型训练过程中收敛速度更快.为了验证反演模型的有效性,在模拟的海杂波和实测海杂波数据上进行了测试,结果表明基于仿真海杂波和实测海杂波数据分别可实现蒸发波导高度反演准确率为96.98%和91.25%,优于目前典型的反演方法.本文提出的基于深度学习的水平非均匀蒸发波导反演方法具有模型反演效率高、模型复杂度低、反演误差小的特点,为海上反常传播环境实时高精度认知提供了新技术.
展开更多
关键词
海杂波
蒸发波导
水平非均匀
深度学习
反演
主分量分析(PCA)法
一维
残差
扩张因果
卷积
自编码器
多尺度
卷积
残差
网络
下载PDF
职称材料
基于深度学习的航空发动机磨损部位识别方法
6
作者
苗慧慧
曹桂松
+3 位作者
孙智君
康玉祥
马佳丽
陈果
《润滑与密封》
CAS
CSCD
北大核心
2023年第4期136-144,共9页
针对航空发动机润滑系统中摩擦副部件复杂、磨损颗粒能谱监测元素众多,靠人工经验难于进行磨损部位精确识别的问题,提出一种基于深度学习的航空发动机润滑系统磨损部位识别方法。该方法应用一维卷积核为计算单元,搭建一维卷积残差网络...
针对航空发动机润滑系统中摩擦副部件复杂、磨损颗粒能谱监测元素众多,靠人工经验难于进行磨损部位精确识别的问题,提出一种基于深度学习的航空发动机润滑系统磨损部位识别方法。该方法应用一维卷积核为计算单元,搭建一维卷积残差网络模型。以航空发动机润滑油中磨损颗粒能谱分析数据为输入,采用所搭建的一维卷积残差网络模型实现对能谱数据的特征提取以及航空发动机磨损部位的定位识别;以某型航空发动机润滑油中磨损颗粒实测能谱数据验证该方法的有效性,并和Resnet18、Resnet34、CNN等网络模型进行对比验证。结果表明,所提方法对航空发动机磨损部位的识别精度达到95%以上。为了验证模型的鲁棒性和泛化能力,在真实的某型航空发动机能谱数据基础上,对含氧数据和噪声数据分别进行测试,进一步说明该模型用于对磨损定位识别的有效性,具备实际应用的可行性。
展开更多
关键词
航空发动机
能谱分析
磨损
一维
卷积
残差
网络
深度学习
下载PDF
职称材料
题名
多通道一维残差卷积神经网络在风力发电机组轴承故障智能诊断中的应用
被引量:
1
1
作者
郑梁
刘桂然
朱孝晗
机构
国电联合动力技术有限公司
风电设备及控制国家重点实验室
出处
《机械》
2023年第3期1-7,共7页
基金
国家重点研发计划(2019YFB2005005-02)。
文摘
为提高卷积神经网络在风力发电机组轴承故障诊断上的准确率,本文对某2MW风力发电机组轴承故障数据,进行单通道及多通道、多种诊断网络模型、不同优化算法的故障诊断分析对比,提出将多个振动传感器的数据整合为多通道一维数据集,再使用一维残差卷积神经网络进行故障诊断。得出基于Adam优化算法的多通道一维残差卷积神经网络诊断准确率最高。因此,多通道一维残差卷积神经网络在风力发电机组轴承故障诊断中应用效果良好,能够准确的识别各类故障模式,为机组的安全、稳定运行提供了保障。
关键词
风力发电机组
智能故障诊断
多通道数据
一维残差卷积
神经网络
Keywords
wind turbine
intelligent fault diagnosis
multichannel data
one-dimension residual convolution neural network
分类号
TM315 [电气工程—电机]
下载PDF
职称材料
题名
基于数据融合及残差卷积自编码器的结构损伤识别方法
被引量:
1
2
作者
刘玉驰
蒋玉峰
王树青
马春可
机构
中国海洋大学工程学院
出处
《振动与冲击》
EI
CSCD
北大核心
2023年第4期194-203,共10页
基金
国家重点研发计划(2019YFC0312404)
山东省重大科技创新工程项目(2019JZZY010820)
国家杰出青年科学基金项目(51625902)。
文摘
深海混输立管作业期间持续遭受外部风浪流耦合荷载及内部矿液两相流体磨蚀作用,长期作用下结构损伤逐渐积累。立管结构呈高长细比、柔性状态,传统结构损伤识别过程中存在模态参数识别困难、单测点响应损伤敏感度低等诸多问题。针对上述问题,该研究提出了基于数据融合及一维残差卷积自编码器(one dimension residual convolution autoencoder, 1D-RCAE)的深海混输立管结构损伤识别方法,以结构损伤敏感的应变动态响应为输入,使用主成分分析(principal component analysis, PCA)进行多测点应变响应特征融合,进一步利用1D-RCAE自动提取损伤敏感特征,以结构损伤前后敏感特征间的马氏距离构建结构损伤判定指标,实现混输立管结构健康状态监测。通过500 m深海混输立管结构数值模拟和立管物理缩尺模型试验对该研究提出的方法进行验证,结果表明,有限测量信息下能够有效实现深海混输立管结构损伤识别,其中数值模拟验证损伤识别准确率高于99%,物理模型验证损伤识别准确率高于98%。同时探究了噪声污染、海洋环境因素变化对该研究提出方法损伤识别性能的影响规律。
关键词
深海混输立管
结构损伤识别
一维残差卷积
自编码器(1D-RCAE)
主成分分析(PCA)
数据融合
Keywords
deep-sea mining riser
structural damage identification
one dimensional residual convolutional auto-encoder(1D-RCAE)
principal component analysis(PCA)
data fusion
分类号
TU317 [建筑科学—结构工程]
下载PDF
职称材料
题名
基于优化残差卷积网络的滚动轴承变工况故障诊断
3
作者
段泽森
郝如江
张晓锋
程旺
夏晗铎
机构
石家庄铁道大学机械工程学院
出处
《石家庄铁道大学学报(自然科学版)》
2022年第1期81-85,共5页
基金
河北省引进留学人员资助项目(CL201721)。
文摘
针对滚动轴承在实际运行环境中同时存在变负荷和变噪声的复合工况干扰而产生的故障诊断效果不理想的问题,提出了一种用于滚动轴承变工况故障诊断的一维残差卷积神经网络方法。将归一化后整理完的原始轴承振动信号输入到网络模型中,利用具有残差连接的多个一维卷积层提取特征,再经过多个卷积池化,最后输入到Softmax层进行分类,输出轴承振动信号的故障类型。将所提方法与一维卷积神经网络(CNN)、LeNet-5和AlexNet几个经典模型进行对比分析,结果表明,本文方法在变噪声实验和变负荷实验中的平均准确率分别为94.16%和95.31%,均高于其他经典神经网路,具有较强的抗噪性和泛化性能力。
关键词
一维残差卷积
故障诊断
变工况
滚动轴承
Keywords
one dimensional residual convolution
fault diagnosis
variable working condition
rolling bearing
分类号
TP277 [自动化与计算机技术—检测技术与自动化装置]
下载PDF
职称材料
题名
改进DQN的边缘计算任务卸载策略
4
作者
宋兴
葛海波
马世雄
机构
西安邮电大学电子工程学院
出处
《计算机工程与设计》
北大核心
2024年第7期1964-1971,共8页
基金
陕西省自然科学基金项目(2011JM8038)
陕西省重点产业创新链(群)基金项目(S2019-YF-ZDCXL-0098)。
文摘
为进一步提高边缘计算(MEC)中移动设备(MD)对低时延、低能耗计算卸载任务的需求,利用深度Q学习(DQN)、长短期记忆网络(LSTM)和注意力机制,设计一种基于DQN的深度强化学习卸载算法(LA-DQN)。以最小系统总代价(时延和能耗加权和)为目标建立模型,使用一维残差卷积网络(Conv1D)和带有注意力机制的LSTM网络替换DQN网络的全连接层,提取MD的状态特征,减少需要计算的参数量并加强对输入状态的重点特征信息提取,加速算法收敛并得到最优卸载策略。仿真结果表明,与DQN、Full Local、Full Offload算法相比,LA-DQN算法能够有效降低任务处理的时延和能耗。
关键词
边缘计算
深度强化学习
计算卸载
卸载策略
注意力机制
一维残差卷积
网络
全连接层
Keywords
edge computing
intensive learning
computing unload
uninstall policy
attention mechanism
Conv1D
full connection layer
分类号
TP391 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
基于深度学习的水平非均匀蒸发波导反演方法研究
5
作者
吴佳静
张金鹏
张玉石
魏志强
机构
中国电波传播研究所电波环境特性及模化技术重点实验室
中国海洋大学
出处
《电波科学学报》
CSCD
北大核心
2023年第4期665-672,共8页
基金
国家自然科学基金(U2006207)。
文摘
水平非均匀蒸发波导是一种异常的大气结构,在海上出现的概率高,对海上低空雷达具有较强的电磁捕获能力.然而,海上低空蒸发波导修正折射率剖面反演过程中由于水平方向剖面参数的非均匀变化,导致在实际的海洋环境中产生较大的反演复杂度和误差.为解决上述问题,首先提出了一维残差扩张因果卷积自编码器(one-dimensional residual dilated causal convolutional autoencoder,1D-RDCAE)网络实现低自由度的非均匀蒸发波导剖面建模,其次提出了多尺度卷积残差网络(multi-scale convolutional attention residual network,MSCA-ResNet)框架来实现水平非均匀蒸发波导剖面反演.为验证建模模型的有效性,在模拟海杂波功率数据集上验证降维模型的有效性,实验结果表明,基于1D-RDCAE比基于主分量分析法、堆栈自动编码器和一维卷积自动编码器降维重构后更接近原始数据,并且在模型训练过程中收敛速度更快.为了验证反演模型的有效性,在模拟的海杂波和实测海杂波数据上进行了测试,结果表明基于仿真海杂波和实测海杂波数据分别可实现蒸发波导高度反演准确率为96.98%和91.25%,优于目前典型的反演方法.本文提出的基于深度学习的水平非均匀蒸发波导反演方法具有模型反演效率高、模型复杂度低、反演误差小的特点,为海上反常传播环境实时高精度认知提供了新技术.
关键词
海杂波
蒸发波导
水平非均匀
深度学习
反演
主分量分析(PCA)法
一维
残差
扩张因果
卷积
自编码器
多尺度
卷积
残差
网络
Keywords
sea clutter
evaporation duct
range direction inhomogeneous
deep learning
inversion
principal component analysis(PCA)
one-dimensional residual dilated causal convolutional autoencoder
multi-scale convolutional residual network
分类号
TN011 [电子电信—物理电子学]
P732 [天文地球—海洋科学]
下载PDF
职称材料
题名
基于深度学习的航空发动机磨损部位识别方法
6
作者
苗慧慧
曹桂松
孙智君
康玉祥
马佳丽
陈果
机构
中国航发上海商用航空发动机制造有限责任公司
南京航空航天大学民航学院
南京航空航天大学通用航空与飞行学院
出处
《润滑与密封》
CAS
CSCD
北大核心
2023年第4期136-144,共9页
基金
国家科技重大专项(J2019-IV-004-0071)
中国航发商用航空发动机有限责任公司项目。
文摘
针对航空发动机润滑系统中摩擦副部件复杂、磨损颗粒能谱监测元素众多,靠人工经验难于进行磨损部位精确识别的问题,提出一种基于深度学习的航空发动机润滑系统磨损部位识别方法。该方法应用一维卷积核为计算单元,搭建一维卷积残差网络模型。以航空发动机润滑油中磨损颗粒能谱分析数据为输入,采用所搭建的一维卷积残差网络模型实现对能谱数据的特征提取以及航空发动机磨损部位的定位识别;以某型航空发动机润滑油中磨损颗粒实测能谱数据验证该方法的有效性,并和Resnet18、Resnet34、CNN等网络模型进行对比验证。结果表明,所提方法对航空发动机磨损部位的识别精度达到95%以上。为了验证模型的鲁棒性和泛化能力,在真实的某型航空发动机能谱数据基础上,对含氧数据和噪声数据分别进行测试,进一步说明该模型用于对磨损定位识别的有效性,具备实际应用的可行性。
关键词
航空发动机
能谱分析
磨损
一维
卷积
残差
网络
深度学习
Keywords
aero engine
energy spectrum analysis
wear
one dimensional convolution residual network
deep learning
分类号
V23 [航空宇航科学与技术—航空宇航推进理论与工程]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
多通道一维残差卷积神经网络在风力发电机组轴承故障智能诊断中的应用
郑梁
刘桂然
朱孝晗
《机械》
2023
1
下载PDF
职称材料
2
基于数据融合及残差卷积自编码器的结构损伤识别方法
刘玉驰
蒋玉峰
王树青
马春可
《振动与冲击》
EI
CSCD
北大核心
2023
1
下载PDF
职称材料
3
基于优化残差卷积网络的滚动轴承变工况故障诊断
段泽森
郝如江
张晓锋
程旺
夏晗铎
《石家庄铁道大学学报(自然科学版)》
2022
0
下载PDF
职称材料
4
改进DQN的边缘计算任务卸载策略
宋兴
葛海波
马世雄
《计算机工程与设计》
北大核心
2024
0
下载PDF
职称材料
5
基于深度学习的水平非均匀蒸发波导反演方法研究
吴佳静
张金鹏
张玉石
魏志强
《电波科学学报》
CSCD
北大核心
2023
0
下载PDF
职称材料
6
基于深度学习的航空发动机磨损部位识别方法
苗慧慧
曹桂松
孙智君
康玉祥
马佳丽
陈果
《润滑与密封》
CAS
CSCD
北大核心
2023
0
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