检索结果-内蒙古大学图书馆

控制与决策 2025年第2期40卷 590-598页

作者：牟淼赵小强兰州理工大学电气工程与信息工程学院兰州730050 兰州理工大学甘肃省工业过程先进控制重点实验室兰州730050 兰州理工大学国家级电气与控制工程实验教学中心兰州730050

基于邻域保持嵌入(NPE)的故障诊断算法因其能够有效地提取过程数据的局部信息而被广泛应用,但是典型的NPE方法对参数选择和噪声等离群点敏感,同时忽略了过程数据的全局信息,由此提出一种基于鲁棒低秩自适应邻域保持嵌入(RLANPE)的故障... 详细信息

基于邻域保持嵌入(NPE)的故障诊断算法因其能够有效地提取过程数据的局部信息而被广泛应用,但是典型的NPE方法对参数选择和噪声等离群点敏感,同时忽略了过程数据的全局信息,由此提出一种基于鲁棒低秩自适应邻域保持嵌入(RLANPE)的故障诊断算法.该方法将自适应邻域嵌入、投影学习和低秩表示集成到一个框架中,在获得全局最优解的同时能有效提取数据的局部信息;进一步地,为了探索数据的全局信息并减轻异常值的影响,对RLANPE施加低秩表示约束,以增强RLANPE的特征提取能力和鲁棒性;此外,对RLANPE引入基于l2,1范数的投影约束,以从复杂的数据中选择最有判别力的特征.通过3个合成数据集验证所提方法的降维效果和结构保持能力,在田纳西伊斯曼过程中的平均故障检测率可达83.72%,相比对比算法可提高近3%.

关键词：工业过程故障诊断邻域保持嵌入低秩表示流形学习

来源：评论

学校读者我要写书评

暂无评论

基于多传感器数据融合的互异网络轴承故障诊断方法

引用

计算机工程与应用 2025年第5期61卷 323-333页

作者：赵小强李森兰州理工大学电气工程与信息工程学院兰州730050 兰州理工大学甘肃省工业过程先进控制重点实验室兰州730050 兰州理工大学国家级电气与控制工程实验教学中心兰州730050

为了解决单传感器单一分支网络的输入容易受到外界干扰以及在不同域信号转换过程中丢失特征信息,导致故障诊断效果不佳的问题,提出了基于多传感器数据融合的互异网络轴承故障诊断方法。设计了数据预处理模块,以数据级的融合方式实现来... 详细信息

为了解决单传感器单一分支网络的输入容易受到外界干扰以及在不同域信号转换过程中丢失特征信息,导致故障诊断效果不佳的问题,提出了基于多传感器数据融合的互异网络轴承故障诊断方法。设计了数据预处理模块,以数据级的融合方式实现来自多传感器的多角度故障特征互补,充分考虑了轴承设备多传感器之间的相关性。同时,将经过快速傅里叶变换(FFT)和频率切片小波变换(FSWT)处理后的信号融合为多域信号作为模型的输入,以多域信号独立作为模型输入的形式确保不同域信号在转换过程中关键的特征信息不会丢失。该方法针对不同的域信号设计了相对应的互异网络结构对多传感器数据高维非线性空间中的低维特征关键提取,这也为设备维修人员提供了更加可靠方便的维修手段。当其中一个分支网络的输入受到外界干扰时,另外两个分支网络会起到纠错的作用,不仅增强了网络的容错能力,同时也会增加网络的特征互补能力。利用记忆单元将特征视为不同的时间步,以此建立不同故障特征之间的依赖关系。为了防止模型陷入局部最优,使用适配于所提模型的学习率余弦退火算法优化模型训练。在两个轴承数据集上进行实验,结果表明,该方法拥有好的故障诊断效果和泛化能力,可以满足基于多传感器数据融合的轴承故障诊断任务。

关键词：滚动轴承故障诊断多传感器互异网络数据融合特征互补

来源：评论

学校读者我要写书评

暂无评论

基于DDFCM-KSFA并行模型的间歇过程故障监测方法

引用

控制工程 2025年

作者：赵小强陈雪倩兰州理工大学电气工程与信息工程学院兰州理工大学甘肃省工业过程先进控制重点实验室兰州理工大学国家级电气与控制工程实验教学中心

针对间歇过程在不同阶段呈现出多个稳态和复杂动态特性导致故障监测精确度不高的问题，提出了一种基于DDFCM-KSFA(diffusion distance fuzzy C-means algorithm-kernel slow feature analysis)并行模型的间歇过程故障监测方法。首先，... 详细信息

针对间歇过程在不同阶段呈现出多个稳态和复杂动态特性导致故障监测精确度不高的问题，提出了一种基于DDFCM-KSFA(diffusion distance fuzzy C-means algorithm-kernel slow feature analysis)并行模型的间歇过程故障监测方法。首先，采用扩散距离改进模糊C均值算法(FCM)准确划分间歇过程的不同阶段。其次，根据时间信息和对应稳态信息，建立核慢特征分析(KSFA)的并行模型，该模型利用多个局部KSFA模块来识别不同阶段操作条件之间的稳态偏差，同时，利用构建的全局KSFA模块监测时间变化以检测过程动态异常。最后，使用青霉素发酵过程和半导体蚀刻过程进行验证，结果表明所提方法不仅可以提升阶段划分准确性，而且可以提升故障监测的精确度。

关键词：间歇过程故障监测核慢特征分析并行模型

来源：评论

学校读者我要写书评

暂无评论

基于自适应t分布的改进麻雀搜索算法及其应用

引用

兰州理工大学学报 2025年第2期51卷 78-87页

作者：赵小强顾鹏兰州理工大学电气工程与信息工程学院甘肃兰州730050 兰州理工大学甘肃省工业过程先进控制重点实验室甘肃兰州730050 兰州理工大学国家级电气与控制工程实验教学中心甘肃兰州730050

针对原始麻雀搜索算法全局搜索能力差、局部开发能力弱、易陷入局部最优等问题,提出一种基于自适应t分布的麻雀搜索算法(ATSSA).首先,通过Tent混沌映射初始化种群,增加初始种群的多样性;其次,利用自适应t分布变异算子对个体位置进行扰动... 详细信息

针对原始麻雀搜索算法全局搜索能力差、局部开发能力弱、易陷入局部最优等问题,提出一种基于自适应t分布的麻雀搜索算法(ATSSA).首先,通过Tent混沌映射初始化种群,增加初始种群的多样性;其次,利用自适应t分布变异算子对个体位置进行扰动,提高算法的全局搜索能力,同时结合动态选择概率来调节引入的t分布变异算子,平衡算法的全局搜索能力;最后,融合精英反向学习策略,在产生最优解的位置进行扰动,产生新解,促使算法跳出局部最优.仿真实验利用10个基准测试函数进行测试,结果表明ATSSA相较于SSA具有更好的寻优能力.将改进后的算法与深度极限学习机构建预测模型,选用辛烷值数据集进行实验,模型预测精度从87.31%提高到99.32%,验证了改进后的算法具有良好的工程应用前景.

关键词：麻雀搜索算法 Tent混沌映射自适应t分布动态选择策略精英反向学习

来源：评论

学校读者我要写书评

暂无评论

基于天空区域分割与边缘优化的图像去雾算法

引用

兰州理工大学学报 2025年第1期51卷 92-99页

作者：赵小强周康毅兰州理工大学电气工程与信息工程学院甘肃兰州730050 兰州理工大学甘肃省工业过程先进控制重点实验室甘肃兰州730050 兰州理工大学国家级电气与控制工程实验室教学中心甘肃兰州730050

针对暗通道先验算法对天空区域和景深突变区域处理能力不足,复原后的图像存在光晕以及颜色失真等降质问题,提出一种将区域分割与边缘优化相结合的去雾算法.首先,提出一种有效的自适应阈值分割算法,将有雾图像中的天空区域和非天空区域... 详细信息

针对暗通道先验算法对天空区域和景深突变区域处理能力不足,复原后的图像存在光晕以及颜色失真等降质问题,提出一种将区域分割与边缘优化相结合的去雾算法.首先,提出一种有效的自适应阈值分割算法,将有雾图像中的天空区域和非天空区域分割开来,在天空区域内对全局大气光值进行求解.其次,对有雾图像天空区域的暗通道和透射率进行分析,求出天空区域透射率权重图,进而求出该区域透射率;对非天空区域提出一种边缘优化算法来改进暗通道,抑制光晕现象的产生.然后,通过引导滤波细化透射率,利用大气散射模型复原出图像.最后,对复原后的图像进行色调映射,使其更加符合人眼视觉特性.实验结果表明,本文算法去雾效果明显,天空区域恢复自然,边缘光晕现象得到有效抑制,复原后的图像在主观视觉和客观指标方面均表现出色.

关键词：暗通道先验天空区域分割透射率权重边缘优化色调映射

来源：评论

学校读者我要写书评

暂无评论

基于反向投影的倒N型轻量化网络图像超分辨率重建

引用

计算机辅助设计与图形学学报 2022年第6期34卷 923-932页

作者：宋昭漾赵小强惠永永蒋红梅兰州理工大学电气工程与信息工程学院兰州730050 甘肃省工业过程先进控制重点实验室兰州730050 兰州理工大学国家级电气与控制工程实验教学中心兰州730050

针对基于深度学习的图像超分辨率重建算法通过增加神经网络的深度提高图像超分辨率重建性能,造成网络模型复杂度提高和参数量过大的问题,提出一种基于反向投影的倒N型轻量化网络图像超分辨率重建算法.首先使用初始卷积块提取低分辨率图... 详细信息

针对基于深度学习的图像超分辨率重建算法通过增加神经网络的深度提高图像超分辨率重建性能,造成网络模型复杂度提高和参数量过大的问题,提出一种基于反向投影的倒N型轻量化网络图像超分辨率重建算法.首先使用初始卷积块提取低分辨率图像的浅层特征;然后通过基于反向投影的倒N型网络的2轮逐步的模型压缩和反倒N型网络的2轮逐步的模型恢复,提取低分辨率图像的深层特征;再将提取到的深层特征和浅层特征通过全局残差学习相结合并被上采样模块放大到期望输出的重建图像尺寸;最后使用重建模块进行超分辨率图像重建.对Set5,Set14,BSDS100和Urban100测试集进行实验的结果表明,所提算法比对比算法拥有更轻量化的网络结构,重建的超分辨率图像不仅有更高的峰值信噪比(PSNR)和结构相似度(SSIM),而且重建的超分辨率图像具有更好的视觉效果.

关键词：超分辨率重建深度学习倒N型网络反向投影

来源：评论

学校读者我要写书评

暂无评论

基于WICA-WGNPE的高斯-非高斯联合指标间歇过程监控

引用

仪器仪表学报 2018年第1期39卷 190-199页

作者：惠永永赵小强兰州理工大学电气工程与信息工程学院兰州730050 甘肃省工业过程先进控制重点实验室兰州730050 兰州理工大学国家级电气与控制工程实验教学中心兰州730050

许多工业生产过程数据很难满足单一的分布,一般是高斯和非高斯成分共存的混合分布,并且在过程数据的提取中,会隐藏表征故障的有用信息。为了解决高斯与非高斯的混合多分布问题,充分提取过程数据的有效信息,提出一种基于WICAWGNPE的高斯... 详细信息

许多工业生产过程数据很难满足单一的分布,一般是高斯和非高斯成分共存的混合分布,并且在过程数据的提取中,会隐藏表征故障的有用信息。为了解决高斯与非高斯的混合多分布问题,充分提取过程数据的有效信息,提出一种基于WICAWGNPE的高斯和非高斯联合指标间歇过程监控方法。首先采用WICA算法提取非高斯成分;然后对提取非高斯成分后的残差使用WGNPE方法来得到高斯成分;最后基于非高斯-高斯两步策略确立监控模型并求得统计量,对非高斯与高斯统计量进行加权,从而得到混合模型的联合指标以实现过程监控。将该算法用于青霉素发酵过程和半导体实际工业过程来验证所提算法的有效性。

关键词：间歇过程过程监控高斯和非高斯全局-局部联合指标

来源：评论

学校读者我要写书评

暂无评论

基于平方包络谱负熵准则的轴承早期复合故障特征提取方法

引用

振动与冲击 2022年第8期41卷 179-187页

作者：陈鹏赵小强兰州理工大学电气工程与信息工程学院兰州730050 甘肃省工业过程先进控制重点实验室兰州730050 兰州理工大学国家级电气与控制工程实验教学中心兰州730050

针对轴承早期复合故障诊断中故障特征难以提取的问题,提出基于平方包络谱负熵准则的优化群分解(optimized swarm decomposition,OSWD)方法。该方法首先构建基于平方包络谱负熵的优化准则,通过改进蝗虫优化算法(improved grasshopper opt... 详细信息

针对轴承早期复合故障诊断中故障特征难以提取的问题,提出基于平方包络谱负熵准则的优化群分解(optimized swarm decomposition,OSWD)方法。该方法首先构建基于平方包络谱负熵的优化准则,通过改进蝗虫优化算法(improved grasshopper optimization algorithm,IGOA)对群分解(swarm decomposition,SWD)算法中的阈值参数进行自适应寻优;然后,通过最优参数群分解实现复合故障振动信号的自适应分解,再对分解后的分量进行包络谱分析并提取复合故障特征频率,实现轴承早期复合故障诊断;最后,通过仿真分析和实际工程案例验证表明,该方法相比变分模态分解和群分解法,在有效提取早期复合故障特征方面效果更优。

关键词：轴承平方包络谱负熵蝗虫优化算法群分解(SWD) 早期复合故障诊断

来源：评论

学校读者我要写书评

暂无评论

使用改进残差神经网络的滚动轴承变工况故障诊断方法

引用

西安交通大学学报 2020年第9期54卷 23-31页

作者：赵小强梁浩鹏兰州理工大学电气工程与信息工程学院兰州730050 甘肃省工业过程先进控制重点实验室兰州730050 兰州理工大学国家级电气与控制工程实验教学中心兰州730050

针对滚动轴承工况复杂多变、环境噪声干扰大、有效数据样本不足而导致的故障诊断效果不佳的问题,提出了一种用于滚动轴承变工况故障诊断的改进残差神经网络方法。以采集到的滚动轴承时域信号作为输入,针对滚动轴承时域信号时变性较强的... 详细信息

针对滚动轴承工况复杂多变、环境噪声干扰大、有效数据样本不足而导致的故障诊断效果不佳的问题,提出了一种用于滚动轴承变工况故障诊断的改进残差神经网络方法。以采集到的滚动轴承时域信号作为输入,针对滚动轴承时域信号时变性较强的特点,构建了一种基于Inception模块改进的数据池化层。基于Inception模块思想,采用3个3×3的小卷积层串联和堆叠以及加入残差连接的方式构建数据池化层,有效地提取了特征信息。在残差块中添加跳跃连接线,设计了一种带跳跃连接线的残差块,增强了残差块对特征信息的学习效率。利用空洞卷积能够扩大感受野的优点,将带跳跃连接线的残差块中的普通卷积替换为空洞卷积,设计了一种带跳跃连接线的空洞残差块。将设计的两种残差块端对端首尾相连构建神经网络。将所提方法与SVM+EMD+Hilbert包络谱、BPNN+EMD+Hilbert包络谱和ResNet方法进行了仿真对比,结果表明,所提方法在变噪声实验中的平均准确率为97.34%,变负荷实验中的准确率为88.83%~96.76%,均高于其他方法的,变工况实验中的平均准确率高于ResNet方法的,且具有更低的均值方差0.000 6。所提方法具有较强的抗噪性和泛化能力。

关键词：故障诊断滚动轴承变工况残差神经网络

来源：评论

学校读者我要写书评

暂无评论

改进Alexnet的滚动轴承变工况故障诊断方法

引用

振动．测试与诊断 2020年第3期40卷 472-480,623页

作者：赵小强张青青兰州理工大学电气工程与信息工程学院兰州730050 甘肃省工业过程先进控制重点实验室兰州730050 兰州理工大学国家级电气与控制工程实验教学中心兰州730050

旋转机械中的滚动轴承常工作在变负荷、强噪声的环境中,而传统的滚动轴承故障诊断方法难以在复杂工况下自适应地提取对其故障诊断有利的特征,针对此问题,提出一种改进AlexNet的滚动轴承变工况故障诊断方法。首先,将采集的一维时域信号... 详细信息

旋转机械中的滚动轴承常工作在变负荷、强噪声的环境中,而传统的滚动轴承故障诊断方法难以在复杂工况下自适应地提取对其故障诊断有利的特征,针对此问题,提出一种改进AlexNet的滚动轴承变工况故障诊断方法。首先,将采集的一维时域信号按横向插样构建便于改进AlexNet输入的二维特征图,于现存的纵向插样和二维频谱而言,保留了特征自动提取过程中振动信号的时序性和关联性;其次,改进调整AlexNet卷积层的功能层且经过卷积和次采样等操作,从二维特征图中自动提取出利于滚动轴承状态辨识的特征;最后,以softmax的交叉熵为损失函数,利用Adam按小批量迭代优化法实现对滚动轴承故障的诊断。通过与多种方法对滚动轴承不同位置、不同损伤程度的12类状态诊断效果比较,结果表明,该方法对变负荷、强噪声条件下的滚动轴承故障诊断的精度更高,鲁棒性更强。

关键词：故障诊断滚动轴承深度学习变负荷卷积神经网络

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：