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GAF-CNN的n/γ甄别方法研究
被引量:
2
1
作者
黄坤翔
张江梅
+1 位作者
王嘉麒
苏覃
《原子能科学技术》
EI
CAS
CSCD
北大核心
2024年第2期461-470,共10页
中子探测是核能开发领域的重要技术,由于中子闪烁体探测器往往会对中子和γ射线同时响应,因此有效分辨中子和γ射线是实现高精度中子探测的先决条件。为进一步提升n/γ甄别性能,本文结合脉冲形状甄别(PSD)技术和格拉姆角场(GAF)图像转...
中子探测是核能开发领域的重要技术,由于中子闪烁体探测器往往会对中子和γ射线同时响应,因此有效分辨中子和γ射线是实现高精度中子探测的先决条件。为进一步提升n/γ甄别性能,本文结合脉冲形状甄别(PSD)技术和格拉姆角场(GAF)图像转换方法,将卷积神经网络(CNN)分类模型应用到n/γ甄别中。通过GAF将n/γ脉冲数据转化为二维图像,之后将其输入到CNN分类模型中达到样本辨别的目的。为验证GAF-CNN甄别的准确性,与传统CNN甄别法和电荷比较法进行了甄别效果对比。结果表明,GAF-CNN甄别法具有更低的辨别误差率和较短的处理时间,且n/γ甄别品质因子(FOM)有着数量级上的提升。同时其具备网络轻量化的特点,有助于实现CNN PSD算法的嵌入式部署,为研制高性能n/γ复合探测能谱仪提供了一种可行的PSD技术解决方案。
展开更多
关键词
n/γ甄别
脉冲形状甄别
格拉姆角场
卷积神经网络
电荷比较法
下载PDF
职称材料
基于GCNN的滚动轴承故障诊断
被引量:
4
2
作者
张振宇
王娆芬
朱安康
《噪声与振动控制》
CSCD
北大核心
2021年第4期60-65,181,共7页
随着智能制造的快速发展,基于数据驱动的故障诊断方法逐渐成为轴承状态监测的研究重点。针对传统滚动轴承故障诊断方法所存在的特征提取和特征选择复杂且效果不佳的问题,提出一种基于卷积神经网络智能诊断算法。该算法首先利用重叠采样...
随着智能制造的快速发展,基于数据驱动的故障诊断方法逐渐成为轴承状态监测的研究重点。针对传统滚动轴承故障诊断方法所存在的特征提取和特征选择复杂且效果不佳的问题,提出一种基于卷积神经网络智能诊断算法。该算法首先利用重叠采样方法扩充数据集,再采用格拉姆角场方法将原始时域信号转化为二维图像;然后构建一个具有4个卷积层的卷积神经网络,将扩充后的数据集输入卷积神经网络进行轴承故障分类。仿真结果表明,基于格拉姆角场法和卷积神经网络的滚动轴承故障诊断方法准确率达到99.73%,高于基于传统的机器学习及同类型深度神经网络的故障诊断方法,可准确实现滚动轴承故障状态识别和分类,具有一定的应用前景。
展开更多
关键词
故障诊断
滚动轴承
卷积神经网络
格拉姆角场法
下载PDF
职称材料
题名
基于GAF-CNN的n/γ甄别方法研究
被引量:
2
1
作者
黄坤翔
张江梅
王嘉麒
苏覃
机构
西南科技大学信息工程学院
西南科技大学核废物与环境安全国防重点学科实验室
出处
《原子能科学技术》
EI
CAS
CSCD
北大核心
2024年第2期461-470,共10页
基金
国防科工局基础科研项目(JCKY2020404C004,JCKY2022404C005)
四川省自然科学基金(2022NSFSC0044)。
文摘
中子探测是核能开发领域的重要技术,由于中子闪烁体探测器往往会对中子和γ射线同时响应,因此有效分辨中子和γ射线是实现高精度中子探测的先决条件。为进一步提升n/γ甄别性能,本文结合脉冲形状甄别(PSD)技术和格拉姆角场(GAF)图像转换方法,将卷积神经网络(CNN)分类模型应用到n/γ甄别中。通过GAF将n/γ脉冲数据转化为二维图像,之后将其输入到CNN分类模型中达到样本辨别的目的。为验证GAF-CNN甄别的准确性,与传统CNN甄别法和电荷比较法进行了甄别效果对比。结果表明,GAF-CNN甄别法具有更低的辨别误差率和较短的处理时间,且n/γ甄别品质因子(FOM)有着数量级上的提升。同时其具备网络轻量化的特点,有助于实现CNN PSD算法的嵌入式部署,为研制高性能n/γ复合探测能谱仪提供了一种可行的PSD技术解决方案。
关键词
n/γ甄别
脉冲形状甄别
格拉姆角场
卷积神经网络
电荷比较法
Keywords
n/γdiscrimination
pulse shape discrimination
gramian
angular
field
convolutional neural network
charge comparison
method
分类号
TL812.1 [核科学技术—核技术及应用]
下载PDF
职称材料
题名
基于GCNN的滚动轴承故障诊断
被引量:
4
2
作者
张振宇
王娆芬
朱安康
机构
上海工程技术大学电子电气工程学院
出处
《噪声与振动控制》
CSCD
北大核心
2021年第4期60-65,181,共7页
基金
国家自然科学基金资助项目(61803255)
上海市自然科学基金资助项目(18ZR1416700)。
文摘
随着智能制造的快速发展,基于数据驱动的故障诊断方法逐渐成为轴承状态监测的研究重点。针对传统滚动轴承故障诊断方法所存在的特征提取和特征选择复杂且效果不佳的问题,提出一种基于卷积神经网络智能诊断算法。该算法首先利用重叠采样方法扩充数据集,再采用格拉姆角场方法将原始时域信号转化为二维图像;然后构建一个具有4个卷积层的卷积神经网络,将扩充后的数据集输入卷积神经网络进行轴承故障分类。仿真结果表明,基于格拉姆角场法和卷积神经网络的滚动轴承故障诊断方法准确率达到99.73%,高于基于传统的机器学习及同类型深度神经网络的故障诊断方法,可准确实现滚动轴承故障状态识别和分类,具有一定的应用前景。
关键词
故障诊断
滚动轴承
卷积神经网络
格拉姆角场法
Keywords
fault diagnosis:rolling bearing
convolutional neural network
fault diagnosis
gramian angular field method
分类号
TH113 [机械工程—机械设计及理论]
TP206 [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
作者
出处
发文年
被引量
操作
1
基于GAF-CNN的n/γ甄别方法研究
黄坤翔
张江梅
王嘉麒
苏覃
《原子能科学技术》
EI
CAS
CSCD
北大核心
2024
2
下载PDF
职称材料
2
基于GCNN的滚动轴承故障诊断
张振宇
王娆芬
朱安康
《噪声与振动控制》
CSCD
北大核心
2021
4
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