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
3
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
基于深度小波自动编码器和极限学习机的轴承故障诊断
被引量:
17
1
作者
陶沙沙
郭顺生
《科学技术与工程》
北大核心
2020年第29期12196-12203,共8页
针对原始振动数据无监督特征学习问题,提出了一种深度小波自动编码器(deep wavelet automatic encoder,DWAE)与鲁棒极限学习机(extreme learning machine,ELM)相结合的滚动轴承的智能故障诊断方法。首先,利用小波函数作为非线性激活函...
针对原始振动数据无监督特征学习问题,提出了一种深度小波自动编码器(deep wavelet automatic encoder,DWAE)与鲁棒极限学习机(extreme learning machine,ELM)相结合的滚动轴承的智能故障诊断方法。首先,利用小波函数作为非线性激活函数设计小波自动编码器从而有效地捕获信号特征。其次,利用多个小波自动编码器构造一个深度小波自动编码器来增强无监督特征学习能力。最后,采用鲁棒极限学习机作为分类器,对不同的轴承故障进行分类识别。对实验所得的轴承振动信号进行对比分析,结果验证了研究结果能够在原始振动数据无监督特征学习的条件下该方法优于传统方法和标准深度学习方法。
展开更多
关键词
智能故障诊断
滚动轴承
深度小波自动编码器
极限学习机
无监督特征学习
下载PDF
职称材料
MMC五电平逆变器故障的深度小波极限学习机诊断方法研究
被引量:
4
2
作者
孔令瑜
张彼德
+2 位作者
洪锡文
王涛
彭丽维
《电力系统及其自动化学报》
CSCD
北大核心
2020年第7期25-32,共8页
针对MMC五电平逆变器不同IGBT故障相似程度高,使得故障诊断困难的问题,提出小波极限学习机-自动编码器WELM-AE(wavelet extreme learning machine-auto encoder)与深度小波极限学习机DWELM(deep wavelet extreme learning machine)的故...
针对MMC五电平逆变器不同IGBT故障相似程度高,使得故障诊断困难的问题,提出小波极限学习机-自动编码器WELM-AE(wavelet extreme learning machine-auto encoder)与深度小波极限学习机DWELM(deep wavelet extreme learning machine)的故障诊断方法。所提方法直接利用各故障状态下交流侧三相线电压原始数据对WELM-AE进行逐层预训练,再将训练好的WELM-AE堆叠形成DWELM以提取嵌入于原始数据中的深层次故障特征,并在最后一层实现故障特征与故障类型的映射。对比分析结果表明:所提方法可直接利用原始三相输出线电压信号进行故障诊断,且具有更高的故障诊断准确度。
展开更多
关键词
MMC五电平逆变器
小波极限学习机-自动编码器
深度小波极限学习机
故障诊断
下载PDF
职称材料
自适应小波分析和多层卷积极限学习自编码器的轴承故障识别研究
被引量:
1
3
作者
谭亚红
《机车电传动》
北大核心
2021年第6期106-113,共8页
针对滚动轴承振动信号由于强时变和强噪声等特性导致其故障难以辨识的问题,提出一种基于自适应小波分析(AWA)和多层卷积极限学习自编码器(MLCELAE)的滚动轴承故障识别模型。首先,提出一种新的轴承振动信号频谱边界检测方法,对信号频谱...
针对滚动轴承振动信号由于强时变和强噪声等特性导致其故障难以辨识的问题,提出一种基于自适应小波分析(AWA)和多层卷积极限学习自编码器(MLCELAE)的滚动轴承故障识别模型。首先,提出一种新的轴承振动信号频谱边界检测方法,对信号频谱进行自适应分割,进而将信号分解为若干本征模态分量;然后选择较能反映轴承故障特征的模态分量并重构;最后构造卷积极限学习自编码器,并逐层堆叠建立深层网络MLCELAE,将信号样本输入MLCELAE进行自动特征学习与故障识别。试验结果表明:提出方法的平均故障识别准确率达到了98.48%,标准差仅为0.17,相比于其他方法在轴承故障识别准确率方面更具优势,适用于滚动轴承故障的自动识别。
展开更多
关键词
轴承
自适应小波分析
故障识别
卷积极限学习自编码器
下载PDF
职称材料
题名
基于深度小波自动编码器和极限学习机的轴承故障诊断
被引量:
17
1
作者
陶沙沙
郭顺生
机构
武汉理工大学机电工程学院
成都工业职业技术学院
出处
《科学技术与工程》
北大核心
2020年第29期12196-12203,共8页
基金
国家自然科学基金(51705386,51705385)。
文摘
针对原始振动数据无监督特征学习问题,提出了一种深度小波自动编码器(deep wavelet automatic encoder,DWAE)与鲁棒极限学习机(extreme learning machine,ELM)相结合的滚动轴承的智能故障诊断方法。首先,利用小波函数作为非线性激活函数设计小波自动编码器从而有效地捕获信号特征。其次,利用多个小波自动编码器构造一个深度小波自动编码器来增强无监督特征学习能力。最后,采用鲁棒极限学习机作为分类器,对不同的轴承故障进行分类识别。对实验所得的轴承振动信号进行对比分析,结果验证了研究结果能够在原始振动数据无监督特征学习的条件下该方法优于传统方法和标准深度学习方法。
关键词
智能故障诊断
滚动轴承
深度小波自动编码器
极限学习机
无监督特征学习
Keywords
intelligent fault diagnosis
rolling bearing
deep
wavelet
automatic
encoder
extreme
learning
machine
unsupervised feature
learning
分类号
V263.6 [航空宇航科学与技术—航空宇航制造工程]
TP273 [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
MMC五电平逆变器故障的深度小波极限学习机诊断方法研究
被引量:
4
2
作者
孔令瑜
张彼德
洪锡文
王涛
彭丽维
机构
西华大学电气与电子信息学院
出处
《电力系统及其自动化学报》
CSCD
北大核心
2020年第7期25-32,共8页
基金
国家自然科学基金资助项目(61703345)
四川省电力电子节能技术与装备重点实验室基金资助项目(SZJJ2015-064)
西华大学研究生创新基金资助项目(ycjj2018085)。
文摘
针对MMC五电平逆变器不同IGBT故障相似程度高,使得故障诊断困难的问题,提出小波极限学习机-自动编码器WELM-AE(wavelet extreme learning machine-auto encoder)与深度小波极限学习机DWELM(deep wavelet extreme learning machine)的故障诊断方法。所提方法直接利用各故障状态下交流侧三相线电压原始数据对WELM-AE进行逐层预训练,再将训练好的WELM-AE堆叠形成DWELM以提取嵌入于原始数据中的深层次故障特征,并在最后一层实现故障特征与故障类型的映射。对比分析结果表明:所提方法可直接利用原始三相输出线电压信号进行故障诊断,且具有更高的故障诊断准确度。
关键词
MMC五电平逆变器
小波极限学习机-自动编码器
深度小波极限学习机
故障诊断
Keywords
MMC five-level inverter
wavelet
extreme
learning
machine-auto
encoder
(
welm-ae
)
deep
wavelet
ex-treme
learning
machine(DWELM)
fault diagnosis
分类号
TM464 [电气工程—电器]
下载PDF
职称材料
题名
自适应小波分析和多层卷积极限学习自编码器的轴承故障识别研究
被引量:
1
3
作者
谭亚红
机构
重庆工程职业技术学院智能制造与交通学院
出处
《机车电传动》
北大核心
2021年第6期106-113,共8页
文摘
针对滚动轴承振动信号由于强时变和强噪声等特性导致其故障难以辨识的问题,提出一种基于自适应小波分析(AWA)和多层卷积极限学习自编码器(MLCELAE)的滚动轴承故障识别模型。首先,提出一种新的轴承振动信号频谱边界检测方法,对信号频谱进行自适应分割,进而将信号分解为若干本征模态分量;然后选择较能反映轴承故障特征的模态分量并重构;最后构造卷积极限学习自编码器,并逐层堆叠建立深层网络MLCELAE,将信号样本输入MLCELAE进行自动特征学习与故障识别。试验结果表明:提出方法的平均故障识别准确率达到了98.48%,标准差仅为0.17,相比于其他方法在轴承故障识别准确率方面更具优势,适用于滚动轴承故障的自动识别。
关键词
轴承
自适应小波分析
故障识别
卷积极限学习自编码器
Keywords
bearing
adaptive
wavelet
analysis
fault identification
convolution
extreme
learning
auto-
encoder
分类号
TH133.33 [机械工程—机械制造及自动化]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于深度小波自动编码器和极限学习机的轴承故障诊断
陶沙沙
郭顺生
《科学技术与工程》
北大核心
2020
17
下载PDF
职称材料
2
MMC五电平逆变器故障的深度小波极限学习机诊断方法研究
孔令瑜
张彼德
洪锡文
王涛
彭丽维
《电力系统及其自动化学报》
CSCD
北大核心
2020
4
下载PDF
职称材料
3
自适应小波分析和多层卷积极限学习自编码器的轴承故障识别研究
谭亚红
《机车电传动》
北大核心
2021
1
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