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
4
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
一种旋转机械综合故障检测和模式识别模型
1
作者
曹丽芳
袁征
+1 位作者
尹久
郭海涛
《机电工程》
CAS
北大核心
2024年第8期1386-1397,共12页
针对传统故障诊断方法只关注故障检测部分,而对样本是否存在故障的研究较少的问题,提出了一种基于自适应噪声完备经验模态分解(CEEMDAN)-注意熵(AE)和黏菌算法优化极限学习机(SMA-ELM)的旋转机械综合故障诊断模型。首先,针对正常样本和...
针对传统故障诊断方法只关注故障检测部分,而对样本是否存在故障的研究较少的问题,提出了一种基于自适应噪声完备经验模态分解(CEEMDAN)-注意熵(AE)和黏菌算法优化极限学习机(SMA-ELM)的旋转机械综合故障诊断模型。首先,针对正常样本和故障样本的复杂性差异,建立了注意熵阈值,计算旋转机械的AE,并将其与阈值进行了比较,若熵值小于该阈值则表明样本存在故障,反之样本是健康的;然后,利用CEEMDAN对故障样本的振动信号进行了分解,提取前6阶分量的AE值;最后,将故障特征输入至SMA-ELM模型中进行了故障识别,利用3种旋转机械故障数据集对该综合故障诊断模型的可靠性进行了研究。研究结果表明:该阈值设置方法可以100%准确地检测样本是否存在故障,后续的故障诊断模型能够准确地检测出样本的故障类型,识别准确率分别达到了99.44%、100%和98%。该综合故障诊断模型能够避免正常样本被误判为故障样本,为旋转机械的故障检测提供了一种可行的思路。
展开更多
关键词
旋转机械
滚动轴承综合故障诊断
故障阈值
注意熵
自适应噪声完备经验模态分解
黏菌算法优化极限学习机
下载PDF
职称材料
模拟电路中黏菌算法优化ELM故障诊断模型研究
被引量:
6
2
作者
林知微
王成吉
刘宗朋
《传感器与微系统》
CSCD
北大核心
2023年第6期47-50,共4页
模拟电路中故障信息复杂多样,为提高故障诊断准确率,提出一种黏菌算法(SMA)优化极限学习机(ELM)的模型。首先,采用线性判别分析(LDA)方法对故障电路原始数据集进行降维,得到ELM网络训练所需的数据;其次,针对ELM随机生成的输入权值和隐...
模拟电路中故障信息复杂多样,为提高故障诊断准确率,提出一种黏菌算法(SMA)优化极限学习机(ELM)的模型。首先,采用线性判别分析(LDA)方法对故障电路原始数据集进行降维,得到ELM网络训练所需的数据;其次,针对ELM随机生成的输入权值和隐含层偏置易导致模型泛化能力差的问题,使用SMA优化ELM的输入权值和隐含层偏置,以获得更优、更稳定的ELM网络参数,提高故障诊断能力。连续可变状态(CTSV)滤波器电路和Sallen-Key带通滤波器的诊断实例表明,SMA优化ELM的故障诊断模型提升了ELM模型的分类效果,具有更优的故障诊断性能。
展开更多
关键词
线性判别分析
黏菌算法
极限学习机
模拟电路
故障诊断
下载PDF
职称材料
基于黏菌优化极限学习机的煤矸石多光谱识别
3
作者
周孟然
凌胜
+3 位作者
来文豪
卞凯
朱梓伟
沈汝涵
《重庆工商大学学报(自然科学版)》
2023年第5期1-7,共7页
煤和矸石的精准辨识是煤矸分选和煤炭清洁高效利用的重要前提,针对传统方法存在效率低、需加装辐射隔离以及受环境干扰等诸多不足,提出了基于多光谱图像特性和光谱特性来识别煤和矸石,构建黏菌优化极限学习机(Slime Mold Algorithm Extr...
煤和矸石的精准辨识是煤矸分选和煤炭清洁高效利用的重要前提,针对传统方法存在效率低、需加装辐射隔离以及受环境干扰等诸多不足,提出了基于多光谱图像特性和光谱特性来识别煤和矸石,构建黏菌优化极限学习机(Slime Mold Algorithm Extreme Learning Machine,SMA-ELM)的分类模型。搭建多光谱数据采集系统完成煤与矸石的光谱图像采集,通过LBP对光谱图像进行特征提取并使用PCA主成分分析对提取后的特征向量降维,输入SMA-ELM分类模型、蚁狮优化极限学习机(Antlion Algorithm Optimized Extreme Learning Machine,ALO-ELM)分类模型、鲸鱼优化极限学习机(Whale Algorithm Optimized Extreme Learning Machine,WOA-ELM)分类模型进行对比,重点研究不同波长响应下煤和矸石的辨识精度来筛选最佳波长,通过多评价指标对优化后的最优波段进行比较。实验结果表明,SMA-ELM分类效果最佳,第6波段为最优波段,SMA-ELM在该波段的平均识别准确率为95.08%,煤和矸石的识别F1-Score分别为96.47%和92.68%,用时10.6 s。所提出的方法可以实现煤和矸石的精准识别,这对煤和矸石的智能分选具有重要的研究意义。
展开更多
关键词
多光谱成像技术
黏菌优化
极限学习机分类
波段选择
LBP算法
下载PDF
职称材料
基于EG-SSMA-DELM的数控铣床刀具RUL预测研究
4
作者
张天骁
谷艳玲
安文杰
《机电工程》
CAS
北大核心
2023年第9期1464-1470,共7页
在工件的加工过程中,刀具失效会造成工件报废和关键部件损坏等问题,为此,提出了一种基于精英反向学习与黄金正弦优化黏菌算法结合深度极限学习机(EG-SSMA-DELM)的刀具磨损剩余寿命预测模型。首先,在黏菌算法(SMA)中,采用精英反向学习(EO...
在工件的加工过程中,刀具失效会造成工件报废和关键部件损坏等问题,为此,提出了一种基于精英反向学习与黄金正弦优化黏菌算法结合深度极限学习机(EG-SSMA-DELM)的刀具磨损剩余寿命预测模型。首先,在黏菌算法(SMA)中,采用精英反向学习(EOBL)与黄金正弦(GSA)算法优化初始黏菌种群,提高了初始种群的多样性,改进了初始SMA搜索个体位置的更新方式,提高了算法的收敛速度与全局搜索能力,得到了最优参数;然后,利用改进的SMA算法,对深度极限学习机(DELM)中编码器的偏置与输入权重进行了联合优化,定义了不同数量的隐藏层神经元,利用ReLU激活函数对DELM的参数进行了理想排列;最后,根据最优参数,将投影特征输入DELM中进行了训练和预测,从而对刀具进行了剩余使用寿命预测。研究结果表明:相比于经典的深度极限学习机方法,EG-SSMA-DELM方法的均方根误差(RMSE)平均下降了19.60%,预测精度提高了16.00%;与其他深度学习算法相比,该算法模型具有更好的可行性、单调性和更强的鲁棒性。该算法模型对实际工程刀具磨损剩余寿命研究有一定的应用价值。
展开更多
关键词
剩余使用寿命
刀具寿命预测
精英反向学习
黄金正弦算法
黏菌算法
深度极限学习机
下载PDF
职称材料
题名
一种旋转机械综合故障检测和模式识别模型
1
作者
曹丽芳
袁征
尹久
郭海涛
机构
黄河水利职业技术学院
湖北轻工职业技术学院机电工程学院
华南理工大学土木交通学院
出处
《机电工程》
CAS
北大核心
2024年第8期1386-1397,共12页
基金
河南省科技攻关项目(222102220115)
江苏省现代农机装备与技术示范推广项目(NJ2019-06)。
文摘
针对传统故障诊断方法只关注故障检测部分,而对样本是否存在故障的研究较少的问题,提出了一种基于自适应噪声完备经验模态分解(CEEMDAN)-注意熵(AE)和黏菌算法优化极限学习机(SMA-ELM)的旋转机械综合故障诊断模型。首先,针对正常样本和故障样本的复杂性差异,建立了注意熵阈值,计算旋转机械的AE,并将其与阈值进行了比较,若熵值小于该阈值则表明样本存在故障,反之样本是健康的;然后,利用CEEMDAN对故障样本的振动信号进行了分解,提取前6阶分量的AE值;最后,将故障特征输入至SMA-ELM模型中进行了故障识别,利用3种旋转机械故障数据集对该综合故障诊断模型的可靠性进行了研究。研究结果表明:该阈值设置方法可以100%准确地检测样本是否存在故障,后续的故障诊断模型能够准确地检测出样本的故障类型,识别准确率分别达到了99.44%、100%和98%。该综合故障诊断模型能够避免正常样本被误判为故障样本,为旋转机械的故障检测提供了一种可行的思路。
关键词
旋转机械
滚动轴承综合故障诊断
故障阈值
注意熵
自适应噪声完备经验模态分解
黏菌算法优化极限学习机
Keywords
rotating
machine
ry
rolling bearing comprehensive fault diagnosis
fault threshold
attention entropy(AE)
complementary ensemble empirical mode decomposition with adaptive noise(CEEMDAN)
slime
mould
algorithm
optimized
extreme
learning
machine
(
sma-elm
)
分类号
TH133.3 [机械工程—机械制造及自动化]
下载PDF
职称材料
题名
模拟电路中黏菌算法优化ELM故障诊断模型研究
被引量:
6
2
作者
林知微
王成吉
刘宗朋
机构
北京理工大学自动化学院
出处
《传感器与微系统》
CSCD
北大核心
2023年第6期47-50,共4页
文摘
模拟电路中故障信息复杂多样,为提高故障诊断准确率,提出一种黏菌算法(SMA)优化极限学习机(ELM)的模型。首先,采用线性判别分析(LDA)方法对故障电路原始数据集进行降维,得到ELM网络训练所需的数据;其次,针对ELM随机生成的输入权值和隐含层偏置易导致模型泛化能力差的问题,使用SMA优化ELM的输入权值和隐含层偏置,以获得更优、更稳定的ELM网络参数,提高故障诊断能力。连续可变状态(CTSV)滤波器电路和Sallen-Key带通滤波器的诊断实例表明,SMA优化ELM的故障诊断模型提升了ELM模型的分类效果,具有更优的故障诊断性能。
关键词
线性判别分析
黏菌算法
极限学习机
模拟电路
故障诊断
Keywords
linear discriminant analysis(LDA)
slime
mould
algorithm
(SMA)
extreme
learning
machine
(ELM)
analog circuit
fault diagnosis
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
基于黏菌优化极限学习机的煤矸石多光谱识别
3
作者
周孟然
凌胜
来文豪
卞凯
朱梓伟
沈汝涵
机构
安徽理工大学电气与信息工程学院
安徽理工大学力学与光电物理学院
出处
《重庆工商大学学报(自然科学版)》
2023年第5期1-7,共7页
基金
国家重点研发计划重点专项子课题(2018YFC0604503)
安徽省科技重大专项项目(201903A07020013)
+1 种基金
安徽省能源互联网联合基金重大项目(2008085UD06)
煤炭安全精准开采国家地方联合工程研究中心开放基金资助(EC2021006).
文摘
煤和矸石的精准辨识是煤矸分选和煤炭清洁高效利用的重要前提,针对传统方法存在效率低、需加装辐射隔离以及受环境干扰等诸多不足,提出了基于多光谱图像特性和光谱特性来识别煤和矸石,构建黏菌优化极限学习机(Slime Mold Algorithm Extreme Learning Machine,SMA-ELM)的分类模型。搭建多光谱数据采集系统完成煤与矸石的光谱图像采集,通过LBP对光谱图像进行特征提取并使用PCA主成分分析对提取后的特征向量降维,输入SMA-ELM分类模型、蚁狮优化极限学习机(Antlion Algorithm Optimized Extreme Learning Machine,ALO-ELM)分类模型、鲸鱼优化极限学习机(Whale Algorithm Optimized Extreme Learning Machine,WOA-ELM)分类模型进行对比,重点研究不同波长响应下煤和矸石的辨识精度来筛选最佳波长,通过多评价指标对优化后的最优波段进行比较。实验结果表明,SMA-ELM分类效果最佳,第6波段为最优波段,SMA-ELM在该波段的平均识别准确率为95.08%,煤和矸石的识别F1-Score分别为96.47%和92.68%,用时10.6 s。所提出的方法可以实现煤和矸石的精准识别,这对煤和矸石的智能分选具有重要的研究意义。
关键词
多光谱成像技术
黏菌优化
极限学习机分类
波段选择
LBP算法
Keywords
multi-spectral imaging technology
slime
molds
optim
ization
extreme
learning
machine
classification
bands selection
LBP
algorithm
分类号
TD94 [矿业工程—选矿]
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EG-SSMA-DELM的数控铣床刀具RUL预测研究
4
作者
张天骁
谷艳玲
安文杰
机构
沈阳工业大学机械工程学院
出处
《机电工程》
CAS
北大核心
2023年第9期1464-1470,共7页
基金
国家自然科学基金资助项目(51575361)。
文摘
在工件的加工过程中,刀具失效会造成工件报废和关键部件损坏等问题,为此,提出了一种基于精英反向学习与黄金正弦优化黏菌算法结合深度极限学习机(EG-SSMA-DELM)的刀具磨损剩余寿命预测模型。首先,在黏菌算法(SMA)中,采用精英反向学习(EOBL)与黄金正弦(GSA)算法优化初始黏菌种群,提高了初始种群的多样性,改进了初始SMA搜索个体位置的更新方式,提高了算法的收敛速度与全局搜索能力,得到了最优参数;然后,利用改进的SMA算法,对深度极限学习机(DELM)中编码器的偏置与输入权重进行了联合优化,定义了不同数量的隐藏层神经元,利用ReLU激活函数对DELM的参数进行了理想排列;最后,根据最优参数,将投影特征输入DELM中进行了训练和预测,从而对刀具进行了剩余使用寿命预测。研究结果表明:相比于经典的深度极限学习机方法,EG-SSMA-DELM方法的均方根误差(RMSE)平均下降了19.60%,预测精度提高了16.00%;与其他深度学习算法相比,该算法模型具有更好的可行性、单调性和更强的鲁棒性。该算法模型对实际工程刀具磨损剩余寿命研究有一定的应用价值。
关键词
剩余使用寿命
刀具寿命预测
精英反向学习
黄金正弦算法
黏菌算法
深度极限学习机
Keywords
remaining useful life(RUL)
tool life prediction
elite opposition-based
learning
(EOBL)
golden sine
algorithm
(GSA)
slime
mould
algorithm
(SMA)
deep
extreme
learning
machine
(DELM)
分类号
TH17 [机械工程—机械制造及自动化]
TH117 [机械工程—机械设计及理论]
TG714 [金属学及工艺—刀具与模具]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
一种旋转机械综合故障检测和模式识别模型
曹丽芳
袁征
尹久
郭海涛
《机电工程》
CAS
北大核心
2024
0
下载PDF
职称材料
2
模拟电路中黏菌算法优化ELM故障诊断模型研究
林知微
王成吉
刘宗朋
《传感器与微系统》
CSCD
北大核心
2023
6
下载PDF
职称材料
3
基于黏菌优化极限学习机的煤矸石多光谱识别
周孟然
凌胜
来文豪
卞凯
朱梓伟
沈汝涵
《重庆工商大学学报(自然科学版)》
2023
0
下载PDF
职称材料
4
基于EG-SSMA-DELM的数控铣床刀具RUL预测研究
张天骁
谷艳玲
安文杰
《机电工程》
CAS
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