检索结果-内蒙古大学图书馆

铁道学报 2023年第6期45卷 58-68页

作者：魏伟赵小强吴进兰州理工大学电气工程与信息工程学院甘肃兰州730050 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 北京全路通信信号研究设计院集团有限公司北京100071

有效地预测高铁列控车载设备故障率对合理分配设备备品、制定维修计划、减少故障发生具有重要意义。以列车运行控制系统的历史故障数据为对象,提出一种基于变分模态分解(VMD)和门控循环单元(GRU)的故障率预测模型。首先,利用VMD将车载... 详细信息

有效地预测高铁列控车载设备故障率对合理分配设备备品、制定维修计划、减少故障发生具有重要意义。以列车运行控制系统的历史故障数据为对象,提出一种基于变分模态分解(VMD)和门控循环单元(GRU)的故障率预测模型。首先,利用VMD将车载设备故障率时间序列分解为一组包含不同频率信息的子序列,降低原始序列的非平稳性;然后,针对分解后的各个子序列建立多个基于GRU的时间序列预测模型,为提高预测精度,提出一种改进的猫群优化(ICSO)算法自适应设置各个GRU网络参数;最后,叠加各子序列预测结果得到最终故障率预测值。收集CTCS3-300T型列控车载设备历史故障数据进行实验,结果表明,相比于其他时间序列预测模型,本文模型得到的均方根误差(RMSE)和平均绝对误差(MAE)分别为0.0445和0.0391,均低于其他模型,验证了其有效性。

关键词：列控车载设备故障率预测变分模态分解门控循环单元猫群优化算法

来源：评论

学校读者我要写书评

暂无评论

改进CNN的滚动轴承变工况故障诊断

引用

西安交通大学学报 2021年

作者：赵小强张亚洲兰州理工大学电气工程与信息工程学院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室教学中心

针对滚动轴承在强噪声环境和变工况下故障诊断效果不佳、泛化能力差的问题，提出一种改进CNN的滚动轴承变工况故障诊断方法。设计了多尺度特征提取模块，采用不同尺度的卷积层对输入数据进行特征提取，实现最大化提取故障数据中的特征... 详细信息

针对滚动轴承在强噪声环境和变工况下故障诊断效果不佳、泛化能力差的问题，提出一种改进CNN的滚动轴承变工况故障诊断方法。设计了多尺度特征提取模块，采用不同尺度的卷积层对输入数据进行特征提取，实现最大化提取故障数据中的特征信息，同时引入通道注意力机制，提取出该模块中更重要、更关键的信息；设计了带跳跃连接线的卷积模块，防止提取到的丰富特征在卷积层前向传递时丢失；以softmax交叉熵作为损失函数，利用Adam优化算法实现滚动轴承故障诊断。将所提方法分别在凯斯西储大学轴承数据集和变速箱数据集下进行实验验证，结果表明：在凯斯西储大学轴承数据集上的变噪声实验中，所提方法诊断平均准确率为96.49%，在变工况中诊断准确率在90%以上，均高于比较方法；在变速箱轴承数据集上，所提方法诊断准确率为99.54%，具有较好的抗噪性和更好的泛化能力。

关键词：故障诊断滚动轴承变工况卷积神经网络注意力机制

来源：评论

学校读者我要写书评

暂无评论

采用动态校准与联合分布对齐的旋转机械跨工况故障诊断

引用

仪器仪表学报 2024年第8期45卷 32-44页

作者：郭海科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室教学中心兰州730050

迁移学习作为一种解决领域间分布差异的有效技术,近年来在故障诊断领域得到了越来越多的关注。然而,现有的旋转机械故障诊断方法在迁移学习过程中,通常未能充分考虑不同样本对诊断结果的影响。此外,传统的边缘分布对齐方法在减小源域与... 详细信息

迁移学习作为一种解决领域间分布差异的有效技术,近年来在故障诊断领域得到了越来越多的关注。然而,现有的旋转机械故障诊断方法在迁移学习过程中,通常未能充分考虑不同样本对诊断结果的影响。此外,传统的边缘分布对齐方法在减小源域与目标域数据之间分布差异方面的效果也不够理想,在很大程度上限制了迁移学习方法在实际应用中的有效性。针对以上问题,提出一种基于动态校准与联合分布对齐的旋转机械跨工况故障诊断方法。首先,该方法构建动态校准残差网络(DCRN)作为特征提取层,该层通过设计动态校准结构,根据不同样本的权重进行调整,增强网络的特征表达能力;其次,设计域自适应层并提出一种新的联合分布对齐机制(JDAM),该机制在进行特征对齐时,充分考虑了源域与目标域数据之间的边缘分布差异和条件分布差异,使得网络模型在源域上学习到的知识可以有效迁移到目标域上,从而显著提升目标任务的性能;最后使用I-Softmax函数优化分类器,使网络能够更好地识别不同状态的故障。使用美国凯斯西储大学轴承数据集、MFS轴承数据集与滚轴齿轮数据集进行实验验证,在跨工况与变噪声条件下,所提方法的平均准确率分别为96.50%、96.87%和94.72%,表明所提方法具有较高的故障诊断准确率和良好的泛化能力。

关键词：旋转机械故障诊断动态校准迁移学习联合分布对齐

来源：评论

学校读者我要写书评

暂无评论

改进价值函数的多阶段间歇过程故障检测

引用

电子测量与仪器学报 2022年第12期36卷 45-54页

作者：赵小强徐蓉蓉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室教学中心兰州730050

针对现有的阶段划分策略没有同时考虑间歇过程的动态性和多阶段特性,而导致过程检测效果不佳的问题,提出了一种改进的结合价值函数的多向核主成分分析(CVF-MKPCA)算法。首先,对间歇过程的三维数据进行相应的方向展开,并且通过构建扩展... 详细信息

针对现有的阶段划分策略没有同时考虑间歇过程的动态性和多阶段特性,而导致过程检测效果不佳的问题,提出了一种改进的结合价值函数的多向核主成分分析(CVF-MKPCA)算法。首先,对间歇过程的三维数据进行相应的方向展开,并且通过构建扩展矩阵来提取间歇过程数据之间的动态特性;其次,构建一种改进的结合价值函数,评估互异时间序列信息之间的结构相似性;然后,根据动态结构相似性的评估要求,利用自下向上的搜索方法进行阶段划分,再采用MKPCA方法进行阶段建模,最后,通过构造出一种新的combine统计量对各阶段进行故障检测。所提算法在青霉素发酵仿真过程中故障误报率在控制限为95%时为3.40%,在控制限为99%时为7.98%,与对比方法相比误报率分别降低了2.12%和1.26%,证明了所提方法具有更优越的故障检测性能。

关键词：多阶段间歇过程结合价值函数动态结构相似性

来源：评论

学校读者我要写书评

暂无评论

改进卷积Lenet-5神经网络的轴承故障诊断方法

引用

电子测量与仪器学报 2022年第6期36卷 113-125页

作者：赵小强罗维兰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室教学中心兰州730050

针对滚动轴承微弱信号在强噪声、变工况复杂环境下,难以实现有效的故障诊断问题,提出了一种改进卷积Lenet-5神经网络的轴承故障诊断方法。首先,对采集的一维时域轴承振动信号进行预处理转化成便于卷积操作的二维灰度图;其次,将最基本的L... 详细信息

针对滚动轴承微弱信号在强噪声、变工况复杂环境下,难以实现有效的故障诊断问题,提出了一种改进卷积Lenet-5神经网络的轴承故障诊断方法。首先,对采集的一维时域轴承振动信号进行预处理转化成便于卷积操作的二维灰度图;其次,将最基本的Lenet-5模型中的连续单向的传统卷积层改进为Block1模块、Block2模块、Block3模块,提取到更完整、更精准的特征信息;最后,为了防止网络出现过拟合现象,采用L2正则化和Dropout优化网络。为了验证本文所提方法在复杂工况环境的鲁棒和泛化性能,利用滚动轴承数据集和变速箱实验数据集进行实验验证。轴承数据集实验结果表明,本文所提出的方法在变噪声实验中准确率平均值都在99.3%;在变负荷实验中,故障诊断准确率都高于90.26%;在变工况实验中,故障诊断准确率平均值都高于89.01%;在变速箱数据集实验中,抗噪性故障诊断准确率高达96.3%。采用改进的Lenet-5方法对滚动轴承12种故障类型具有更好的分辨能力,在变工况下具有更好的抗干扰性和泛化性能。

关键词：滚动轴承故障诊断复杂工况 Lenet-5网络网络优化

来源：评论

学校读者我要写书评

暂无评论

基于聚类分析和双向TimesNet网络的短期风电功率预测模型

引用

控制工程 2024年

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

为了提高风电功率预测的准确性，提出了一种基于聚类分析和双向TimesNet网络相结合的短期风电功率预测模型。首先，本研究利用非负矩阵因式分解对风电功率相关的重要特征进行降维，以提取更重要的信息。然后，利用增强型K-medoids聚类... 详细信息

为了提高风电功率预测的准确性，提出了一种基于聚类分析和双向TimesNet网络相结合的短期风电功率预测模型。首先，本研究利用非负矩阵因式分解对风电功率相关的重要特征进行降维，以提取更重要的信息。然后，利用增强型K-medoids聚类算法对提取的重要特征和功率数据进行聚类分析，剔除异常数据后，采用三次样条插值法进行数据填充，并使用VMD对功率数据进行去噪处理。最后，为了提高单向TimesNet网络在特征提取和时间相关分析中的性能，引入了双向机制和创新的注意力机制。通过动态计算tau值来调整权重，使网络能够时刻关注功率数据。同时，融合双向长短期记忆网络，增强模型同时处理过去和未来的信息，从而进一步提高预测的准确性和模型的自适应能力。通过对中国某风电场的数据进行分析，实验结果表明，本预测模型在短期风电功率预测中显著提升了预测性能。

关键词：短期风电功率预测 ISCSO算法 K-medoids聚类算法 BiTimesNet BiLSTM

来源：评论

学校读者我要写书评

暂无评论

改进时域卷积网络与多头自注意力的间歇过程质量预测模型

引用

计算机应用 2024年

作者：赵小强柳勇勇惠永永刘凯兰州理工大学电气工程与信息工程学院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(兰州理工大学)

为了提高时域卷积网络(Time-domain Convolutional Network, TCN)在批量大小变化时训练的稳定性，解决间歇过程质量预测在捕捉长期依赖性和全局关联性上存在不足而导致出现预测准确度不高的问题，文中提出了一种批量组规范化(Batch Grou... 详细信息

为了提高时域卷积网络(Time-domain Convolutional Network, TCN)在批量大小变化时训练的稳定性，解决间歇过程质量预测在捕捉长期依赖性和全局关联性上存在不足而导致出现预测准确度不高的问题，文中提出了一种批量组规范化(Batch Group Normalization,BGN)和Mish激活函数改进残差结构的时域卷积网络与多头自注意力机制(Batch Group Normalization and Mishactivationfunction-enhancedresidualstructureforaTime-domainConvolutionalNetworkwithMulti-headSelf-attention,BMTCN-MHSA)的间歇过程质量预测模型。首先，将间歇过程的三维数据展开为二维矩阵形式，并对数据归一化处理，再引入奇异谱分析法(Singular Spectrum Analysis, SSA)分解重构。然后，在时域卷积的残差部分融入BGN降低网络模型在批量大小变化时的敏感度，引入Mish激活函数提高模型的泛化能力，利用多头自注意力机制对序列中不同位置的特征信息进行关联和权重分配，进一步提取序列中的关键特征信息和相互依赖关系，以更好地捕捉间歇过程的动态特征。最后，使用青霉素仿真实验数据进行实验验证，实验结果表明，相较于时域卷积网络, BMTCN-MHSA模型的平均绝对误差(Mean Absolute Error, MAE)降低了56.86%，均方根误差(Mean Squared Error, MSE)降低了48.80%，决定系数(R-Squared, R2)达到了99.48%，这表明文中所提模型提高了质量预测的准确度。

关键词：间歇过程质量预测奇异谱分析法时域卷积网络多头自注意力机制

来源：评论

学校读者我要写书评

暂无评论

基于TCNMS-BiLSTM的短期电力负荷预测

引用

控制工程 2024年

作者：赵小强杨秦乐王涛刘凯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

针对短期电力负荷数据存在非线性、波动性等多方面因素导致的预测精度不足和预测模型适应性差等问题，提出了一种基于TCNMS-BiLSTM的短期电力负荷预测模型。该模型首先利用改进时间卷积网络（TCN，Temporal Convolutional Network）提... 详细信息

针对短期电力负荷数据存在非线性、波动性等多方面因素导致的预测精度不足和预测模型适应性差等问题，提出了一种基于TCNMS-BiLSTM的短期电力负荷预测模型。该模型首先利用改进时间卷积网络（TCN，Temporal Convolutional Network）提取数据本身的负荷特征，然后融合多头注意力机制（MHSA，Multi-headed Self-attention）为提取的负荷特征分配合适的权重，从而减小冗杂信息对预测的影响，将分配权重后的负荷特征输入到双向长短期记忆网络（BiLSTM，bi-directional long and short-term memory networks），在BiLSTM层后面加入丢弃层以防止模型过拟合，最后利用全连接层输出预测结果。对数据集进行仿真验证，实验结果表明，本文所提模型的RMSE、MAPE和R2指标均优于对照模型，验证了其具有较高的预测精度，可以为电力系统规划和稳定运行提供可靠的依据。

关键词：短期电力负荷预测时间卷积网络多头注意力双向长短期记忆网络

来源：评论

学校读者我要写书评

暂无评论

基于DE-RBF混合优化算法的微电网自适应下垂控制策略

引用

全球能源互联网 2023年第3期6卷 266-274页

作者：吴丽珍魏建平丁安邦陈伟兰州理工大学电气工程与信息工程学院甘肃省兰州市730050 甘肃省工业过程先进控制重点实验室(兰州理工大学) 甘肃省兰州市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省兰州市730050

孤岛微电网因线路阻抗各异,采用传统下垂控制无法实现功率按分布式电源容量比例分配,会产生电压/频率偏差。为此,提出一种基于DE-RBF混合优化算法的自适应下垂控制策略。首先,构建下垂控制的两逆变器并联微电网系统动态模型,应用差分进... 详细信息

孤岛微电网因线路阻抗各异,采用传统下垂控制无法实现功率按分布式电源容量比例分配,会产生电压/频率偏差。为此,提出一种基于DE-RBF混合优化算法的自适应下垂控制策略。首先,构建下垂控制的两逆变器并联微电网系统动态模型,应用差分进化(differential evolution,DE)算法获得多个平衡点的优化下垂控制参数。为提高系统的动态响应速度与稳定性,通过训练径向基(radial basis function,RBF)神经网络,对每个平衡点参数进行校正。进而,通过增加RBF神经网络的隐含层数量,推广至多个逆变器并联微电网。以采集的有功功率和无功功率作为训练数据,输出最优下垂系数,实现微电网的自适应下垂控制。最后,搭建Matlab/Simulink仿真平台,验证了所提自适应下垂控制方法相比于传统下垂控制,系统响应速度快,功率按照分布式电源容量比例分配。

关键词：微电网自适应下垂控制差分进化算法径向基神经网络

来源：评论

学校读者我要写书评

暂无评论

新型混合RO/FO系统及其数字模拟

引用

膜科学与技术 2020年第3期40卷 117-127页

作者：杜先君石耀科 Veeriah Jegatheesan Susanthi Liyanaarachch 兰州理工大学电气工程与信息工程学院兰州730050 皇家墨尔本理工大学工程学院墨尔本3000 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

为克服海水反渗透(SWRO)脱盐技术存在的预处理污泥体积大和总体水回收率低两大问题,提出了一种新型的混合反渗透正渗透(RO/FO)系统,在MATLAB中开发了RO/FO混合系统的软件,并对不同的水通量值进行了验证.通过在RO/FO系统软件界面设置不... 详细信息

为克服海水反渗透(SWRO)脱盐技术存在的预处理污泥体积大和总体水回收率低两大问题,提出了一种新型的混合反渗透正渗透(RO/FO)系统,在MATLAB中开发了RO/FO混合系统的软件,并对不同的水通量值进行了验证.通过在RO/FO系统软件界面设置不同的操作参数,可以在多种不同的选项中快速估算出预处理污泥体积的减少百分比、RO整体水回收率的增加量、所需FO膜面积以及RO废渣的稀释率.

关键词：海水淡化正渗透反渗透膜预处理污泥水回收模拟

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：