-
题名基于斥力平衡SOM的可信故障诊断
- 1
-
-
作者
刘井波
罗卫敏
刘静
-
机构
重庆三峡学院数学与计算机科学学院
重庆三峡学院实验中心
-
出处
《计算机工程》
CAS
CSCD
北大核心
2011年第13期199-201,共3页
-
基金
重庆万州区科委基金资助项目(20084033)
重庆三峡学院基金资助项目(2008-sxxyqn-027)
-
文摘
自组织映射(SOM)神经网络存在训练结果不稳定、识别率低的问题。为此,提出一种斥力平衡SOM神经网络方法(RESOM)。该方法使用斥力原理,根据SOM模式区域在斥力场中迁移到的斥力平衡位置进行模式识别。比较普通SOM神经网络、SVM、RESOM对故障模式的识别结果表明,该方法训练时间少、识别正确率高、识别结果稳定。
-
关键词
自组织映射
斥力平衡
可信故障诊断
聚类迁移
神经网络
-
Keywords
Self-Organizing Mapping(SOM)
repulsive equilibrium
trusted fault diagnosis
clustering migration
neural net
-
分类号
TP183
[自动化与计算机技术—控制理论与控制工程]
-
-
题名基于不确定性感知网络的可信机械故障诊断
- 2
-
-
作者
邵海东
肖一鸣
邓乾旺
任颖莹
韩特
-
机构
湖南大学机械与运载工程学院
-
出处
《机械工程学报》
EI
CAS
2024年第12期194-206,共13页
-
基金
国家重点研发计划(2020YFB1712100)
国家自然科学基金(52275104)
+1 种基金
湖南省科技创新计划(2023RC3097)
湖南省优秀青年科学基金(2021JJ20017)资助项目。
-
文摘
基于深度学习的故障诊断方法受其黑箱特性限制难以给出可信赖和可解释的诊断结果。现有可解释故障诊断研究多集中在开发可解释模块并嵌入深度学习模型以赋予诊断结果一定物理意义,或以结果为基础反推模型做出此决策的深层逻辑,对于如何量化诊断结果中的不确定性并解释其来源和构成的研究工作十分有限。不确定性量化及分解不仅能提供诊断结果的可信度,还能辨析数据中未知因素的来源,最终指导提升诊断模型的可解释性。因此,提出将贝叶斯变分学习嵌入Transformer以开发一种不确定性感知网络,用于可信机械故障诊断。设计了一种变分注意力机制并定义了相应的优化目标函数,可建模注意力权重的先验分布和变分后验分布,从而赋予网络感知不确定性的能力。制定了一种不确定性量化及分解方案,可实现诊断结果的可信度表征以及认知不确定性和偶然不确定性的分离。以行星齿轮箱智能故障诊断为例,在测试数据中含有未知故障模式、未知噪声水平以及未知工况样本的分布外泛化场景中,充分验证了所提方法用于可信故障诊断的可行性。
-
关键词
可信故障诊断
不确定性感知网络
变分注意力
不确定性量化及分解
贝叶斯深度学习
-
Keywords
trustworthy fault diagnosis
uncertainty-aware network
variational attention
uncertainty quantification and decomposition
Bayesian deep learning
-
分类号
TG156
[金属学及工艺—热处理]
-