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
应用小波变换尺度谱检测行波暂态信号
被引量:
2
1
作者
林坚
沈志广
虞宗炜
《上海交通大学学报》
EI
CAS
CSCD
北大核心
1999年第9期1182-1185,共4页
介绍小波变换定义、性质和时间尺度分析,研究小波变换的尺度谱检测无噪声和有噪声条件下的行波暂态信号的能力.通过检测尺度谱图的峰值实现对行波暂态信号的检测.对三种小波变换的尺度谱和参数选择进行仿真和比较后表明,选择好合适...
介绍小波变换定义、性质和时间尺度分析,研究小波变换的尺度谱检测无噪声和有噪声条件下的行波暂态信号的能力.通过检测尺度谱图的峰值实现对行波暂态信号的检测.对三种小波变换的尺度谱和参数选择进行仿真和比较后表明,选择好合适的小波和参数,即使在较低的信噪比条件下也有相当好的检测效果.与只用小波变换检测相比,尺度谱图法检测表现更好,适应性更强.
展开更多
关键词
尺度谱图
小波变换
行波
暂态信号检测
噪声
下载PDF
职称材料
基于深度学习特征提取和GWO-SVM滚动轴承故障诊断的研究
被引量:
9
2
作者
燕志星
王海瑞
+1 位作者
杨宏伟
靖婉婷
《云南大学学报(自然科学版)》
CAS
CSCD
北大核心
2020年第4期656-663,共8页
针对传统滚动轴承故障诊断的方法需要人为构造算法提取并选择故障特征,孤立地对待特征提取和特征选择,提出了应用卷积神经网络(Convolutional Neural Networks,CNN)和灰狼优化算法(Grey Wolf Optimizer,GWO)的支持向量机(Support Vector...
针对传统滚动轴承故障诊断的方法需要人为构造算法提取并选择故障特征,孤立地对待特征提取和特征选择,提出了应用卷积神经网络(Convolutional Neural Networks,CNN)和灰狼优化算法(Grey Wolf Optimizer,GWO)的支持向量机(Support Vector Machine,SVM)相结合的故障诊断新方法.首先将原始信号转化为尺度谱图,然后选择预训练好的CNN模型AlexNet对信号的尺度谱图进行特征提取,再通过主成分分析法(Principal Component Analysis,PCA)对得到特征数据进行降维,最后将归一化后的数据输入到灰狼优化算法的SVM分类器中,从而实现轴承健康状态的故障诊断.使用美国凯斯西储大学提供的轴承数据进行仿真实验,结果表明所提方法能够自适应提取合适的特征,并有较高的分类准确率.
展开更多
关键词
滚动轴承故障诊断
尺度谱图
卷积神经网络
灰狼算法
支持向量机
下载PDF
职称材料
题名
应用小波变换尺度谱检测行波暂态信号
被引量:
2
1
作者
林坚
沈志广
虞宗炜
机构
上海交通大学微电子技术研究所
出处
《上海交通大学学报》
EI
CAS
CSCD
北大核心
1999年第9期1182-1185,共4页
文摘
介绍小波变换定义、性质和时间尺度分析,研究小波变换的尺度谱检测无噪声和有噪声条件下的行波暂态信号的能力.通过检测尺度谱图的峰值实现对行波暂态信号的检测.对三种小波变换的尺度谱和参数选择进行仿真和比较后表明,选择好合适的小波和参数,即使在较低的信噪比条件下也有相当好的检测效果.与只用小波变换检测相比,尺度谱图法检测表现更好,适应性更强.
关键词
尺度谱图
小波变换
行波
暂态信号检测
噪声
Keywords
scalogram
wavelettransform
travelling wave
transientsignaldetection
分类号
TN911.23 [电子电信—通信与信息系统]
下载PDF
职称材料
题名
基于深度学习特征提取和GWO-SVM滚动轴承故障诊断的研究
被引量:
9
2
作者
燕志星
王海瑞
杨宏伟
靖婉婷
机构
昆明理工大学信息工程与自动化学院
云南省教育厅电化教育馆
出处
《云南大学学报(自然科学版)》
CAS
CSCD
北大核心
2020年第4期656-663,共8页
基金
国家自然科学基金(61863016,61263023).
文摘
针对传统滚动轴承故障诊断的方法需要人为构造算法提取并选择故障特征,孤立地对待特征提取和特征选择,提出了应用卷积神经网络(Convolutional Neural Networks,CNN)和灰狼优化算法(Grey Wolf Optimizer,GWO)的支持向量机(Support Vector Machine,SVM)相结合的故障诊断新方法.首先将原始信号转化为尺度谱图,然后选择预训练好的CNN模型AlexNet对信号的尺度谱图进行特征提取,再通过主成分分析法(Principal Component Analysis,PCA)对得到特征数据进行降维,最后将归一化后的数据输入到灰狼优化算法的SVM分类器中,从而实现轴承健康状态的故障诊断.使用美国凯斯西储大学提供的轴承数据进行仿真实验,结果表明所提方法能够自适应提取合适的特征,并有较高的分类准确率.
关键词
滚动轴承故障诊断
尺度谱图
卷积神经网络
灰狼算法
支持向量机
Keywords
fault diagnosis of rolling bearing
scale spectrogram
convolutional neural network
Grey Wolf algorithm
Support Vector Machine
分类号
TG156 [金属学及工艺—热处理]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
应用小波变换尺度谱检测行波暂态信号
林坚
沈志广
虞宗炜
《上海交通大学学报》
EI
CAS
CSCD
北大核心
1999
2
下载PDF
职称材料
2
基于深度学习特征提取和GWO-SVM滚动轴承故障诊断的研究
燕志星
王海瑞
杨宏伟
靖婉婷
《云南大学学报(自然科学版)》
CAS
CSCD
北大核心
2020
9
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