检索结果-内蒙古大学图书馆

振动与冲击 2022年第9期41卷 199-209页

作者：张永宏张中洋赵晓平王丽华邵凡吕凯扬南京信息工程大学自动化学院南京210044 南京信息工程大学计算机与软件学院南京210044 南京信息工程大学江苏省网络监控中心南京210044

针对滚动轴承故障诊断中样本分布不均衡引起的模型泛化能力差、诊断精度低的问题,从两个方面展开研究:(1)故障样本增广,提出结合变分自编码器(VAE)和生成对抗网络(GAN)的VAE-GAN样本增广模型;(2)改进分类算法,提出基于焦点损失(FL)和卷... 详细信息

针对滚动轴承故障诊断中样本分布不均衡引起的模型泛化能力差、诊断精度低的问题,从两个方面展开研究:(1)故障样本增广,提出结合变分自编码器(VAE)和生成对抗网络(GAN)的VAE-GAN样本增广模型;(2)改进分类算法,提出基于焦点损失(FL)和卷积神经网络(CNN)的FLCNN(focal loss and convolutional neural network)样本分类模型。在此基础上,将VAE-GAN和FLCNN融合,构建VAE-GAN+FLCNN轴承故障诊断模型。首先,将样本量少的故障类输入VAE-GAN模型,通过交替训练编码网络、生成网络和判别网络,学习出真实故障样本的数据分布,从而实现故障样本的增广;然后用增广后的数据样本训练FLCNN分类模型,完成轴承故障识别。试验对比结果表明,所提方法能够有效提升样本不均衡条件下的轴承故障诊断效果,拥有更高的Recall值和F1-score值。

关键词：滚动轴承变分自编码器(VAE) 生成对抗网络(GAN) 焦点损失(FL) 故障诊断

来源：评论

学校读者我要写书评

暂无评论

基于多标签零样本学习的滚动轴承故障诊断

引用

振动与冲击 2022年第11期41卷 55-64,89页

作者：张永宏邵凡赵晓平王丽华吕凯扬张中洋南京信息工程大学自动化学院南京210044 南京信息工程大学计算机与软件学院南京210044 南京信息工程大学江苏省网络监控中心南京210044

近年来,数据驱动的方法在滚动轴承故障诊断领域发展迅速,但面对工程实际中没有历史记录的故障类型,仍存在故障特征学习不充分、误诊率高等不足。针对上述问题,提出了多标签零样本学习(multi-label zero-shot learning,MLZSL)故障诊断方... 详细信息

近年来,数据驱动的方法在滚动轴承故障诊断领域发展迅速,但面对工程实际中没有历史记录的故障类型,仍存在故障特征学习不充分、误诊率高等不足。针对上述问题,提出了多标签零样本学习(multi-label zero-shot learning,MLZSL)故障诊断方法。首先,使用短时傅里叶变换(short-time Fourier transform,STFT)对可见类和未见类样本进行预处理,将得到的时频图像输入残差深度可分离卷积神经网络(residual depthwise separable convolutional neural network,RDSCNN)进行特征提取,再使用可见类故障特征训练属性学习网络,依靠属性学习网络预测未见类故障样本的属性向量,最终实现对未见类故障的诊断。设计了零样本条件下的故障诊断试验,结果表明MLZSL能将可见类故障属性迁移到未见类,并有效诊断未见类故障。

关键词：零样本学习(ZSL) 特征提取多标签属性学习器滚动轴承

来源：评论

学校读者我要写书评

暂无评论

基于属性描述的零样本滚动轴承故障诊断

引用

振动与冲击 2022年第15期41卷 105-115页

作者：赵晓平吕凯扬邵凡张中洋南京信息工程大学计算机与软件学院南京210044 南京信息工程大学江苏省网络监控中心南京210044 南京信息工程大学自动化学院南京210044

数据驱动方式是对故障诊断模型进行训练的主要方法,然而因为机器运转环境复杂,没有可用的目标故障样本供模型训练而导致特征学习不充分的情况时有发生。针对这一问题,结合零样本学习(zero-shot learning,ZSL)思想,从属性描述的角度出发... 详细信息

数据驱动方式是对故障诊断模型进行训练的主要方法,然而因为机器运转环境复杂,没有可用的目标故障样本供模型训练而导致特征学习不充分的情况时有发生。针对这一问题,结合零样本学习(zero-shot learning,ZSL)思想,从属性描述的角度出发,提出了一种基于Xception网络和卷积神经网络(convolutional neural networks,CNN)的零样本滚动轴承故障诊断方法,即X-CNN故障诊断模型。X-CNN模型首先使用Xception网络对故障信号时频图进行特征提取;根据故障类别的属性描述构建属性矩阵,使用CNN对提取的特征进行属性学习;最后通过属性矩阵的相似度比较完成诊断工作。通过零样本条件下的故障诊断试验,证明了X-CNN故障诊断模型可以在不使用测试类样本进行训练的情况下完成滚动轴承故障诊断工作。

关键词：零样本学习(ZSL) Xception 卷积神经网络(CNN) 故障诊断属性描述

来源：评论

学校读者我要写书评

暂无评论

一种基于Triplet loss的齿轮箱复合故障识别方法

引用

振动与冲击 2021年第5期40卷 46-54页

作者：赵晓平王逸飞张永宏吴家新王丽华南京信息工程大学计算机与软件学院南京210044 南京信息工程大学自动化学院南京210044 南京信息工程大学江苏省网络监控中心计算机与软件学院南京210044

随着设备检测点的数量与采样频率的增加,机械健康监测进入了"大数据"时代。深度学习以其强大的自适应特征提取和分类能力也在机械大数据处理方面取得了丰硕的成果。在故障诊断领域,目前深度学习方法的研究对象均集中于单一故... 详细信息

随着设备检测点的数量与采样频率的增加,机械健康监测进入了"大数据"时代。深度学习以其强大的自适应特征提取和分类能力也在机械大数据处理方面取得了丰硕的成果。在故障诊断领域,目前深度学习方法的研究对象均集中于单一故障,而复合故障却鲜有人涉足。复合故障因为其各类故障信号间有耦合,变化的工况(负载,转速)也会对信号产生较大影响,所以难以准确诊断。面对复杂的复合故障,传统的Softmax分类器已不能精确高效的完成故障诊断。提出了一种基于Triplet loss的深度度量学习模型的诊断方法,对齿轮箱的轴承及齿轮这两种目标的故障同时进行诊断。其优势在于通过该模型提取故障信号的特征,再利用Triplet loss度量各类故障之间的距离,使得同类故障特征间的距离很近,异类故障特征间的距离很远,从而高效完成诊断任务。试验结果表明,该方法实现了在多种工况,大量样本下对齿轮箱内轴承和齿轮不同故障的准确诊断。

关键词：机械故障诊断深度度量学习齿轮箱轴承齿轮

来源：评论

学校读者我要写书评

暂无评论

云环境下面向数据密集型应用的容错性资源配置研究

引用

云南电力技术 2022年第1期50卷 29-35,39页

作者：李宏梅杨天国张磊莫瑞超许小龙徐占洋云南电网有限责任公司德宏供电局云南德宏678400 南京信息工程大学计算机软件学院江苏南京210044 南京信息工程大学江苏省网络监控中心江苏南京210044

针对云计算平台发生故障所带来的数据密集型应用资源配置问题,为了在云计算平台发生宕机时进行有效的资源配置,本文提出了一种面向数据密集型应用的容错资源配置方法(FRPM)。首先,将数据密集型应用建模为工作流模型,并且基于虚拟层2(VL2... 详细信息

针对云计算平台发生故障所带来的数据密集型应用资源配置问题,为了在云计算平台发生宕机时进行有效的资源配置,本文提出了一种面向数据密集型应用的容错资源配置方法(FRPM)。首先,将数据密集型应用建模为工作流模型,并且基于虚拟层2(VL2)网络拓扑结构建立了宕机任务恢复时间模型和负载均衡模型;然后,利用非支配排序遗传算法(NSGA-III)实现对数据密集型应用的完成时间和云平台所有计算结点负载均衡进行联合优化,从而为部署在宕机结点上应用找到有效的资源配置策略;最后,根据简单加权法(SAW)和多层次决策准则(MCDM)选择出最优的资源配置策略。实验结果表明,FRPM方法能够在云平台在发生宕机时保证数据密集型应用的完成时间最短,与此同时也能保证云平台所有计算结点的负载均衡。

关键词：云计算错误容忍数据密集型应用资源配置非支配排序遗传算法(NSGA-III)

来源：评论

学校读者我要写书评

暂无评论

基于八叉树邻域分析光线跟踪的云三维模拟

引用

计算机工程与设计 2020年第5期41卷 1489-1493页

作者：郑义谢永华姬瑜朱超凡南京信息工程大学计算机与软件学院江苏南京210044 南京信息工程大学江苏省网络监控中心江苏南京210044

针对目前三维云模拟绘制效率低、计算资源消耗大、绘制效果差等问题,提出基于八叉树邻域分析的光线跟踪算法,并用于WRF模式云数据的三维模拟。使用八叉树结构优化传统光线跟踪算法的数据存储结构,通过存储节点编码和划分层次改进邻域分... 详细信息

针对目前三维云模拟绘制效率低、计算资源消耗大、绘制效果差等问题,提出基于八叉树邻域分析的光线跟踪算法,并用于WRF模式云数据的三维模拟。使用八叉树结构优化传统光线跟踪算法的数据存储结构,通过存储节点编码和划分层次改进邻域分析算法,通过简化光线的折射公式优化Whitted光照模型,借助OpenGL和Vapor工具实现云数据的三维可视化。实验结果表明,该方法降低了绘制时间,提高了渲染效率,更好体现了云的真实物理特征。

关键词：八叉树邻域分析光线跟踪三维模拟 WRF数据

来源：评论

学校读者我要写书评

暂无评论

基于句式元学习的Twitter分类

引用

北京大学学报（自然科学版） 2019年第1期55卷 98-104页

作者：闫雷鸣严璐绮王超智贺嘉会吴宏煜南京信息工程大学计算机与软件学院江苏省网络监控工程中心南京210044

针对多类别的社交媒体短文本分类准确率较低问题,提出一种学习多种句式的元学习方法,用于改善Twitter文本分类性能。将Twitter文本聚类为多种句式,各句式结合原类标签,成为多样化的新类别,从而原分类问题转化为较多类别的few-shot学习问... 详细信息

针对多类别的社交媒体短文本分类准确率较低问题,提出一种学习多种句式的元学习方法,用于改善Twitter文本分类性能。将Twitter文本聚类为多种句式,各句式结合原类标签,成为多样化的新类别,从而原分类问题转化为较多类别的few-shot学习问题,并通过训练深层网络来学习句式原型编码。用多个三分类Twitter数据来检验所提Meta-CNN方法 ,结果显示,该方法的学习策略简单有效,即便在样本数量不多的情况下,与传统机器学习分类器和部分深度学习分类方法相比,Meta-CNN仍能获得较好的分类准确率和较高的F1值。

关键词：元学习少次学习情感分析卷积神经网络

来源：评论

学校读者我要写书评

暂无评论

云环境下面向数据密集型应用的容错性资源配置方法

引用

计算机应用 2020年第S01期40卷 136-140页

作者：李宏梅杨天国张磊莫瑞超许小龙徐占洋云南电网有限责任公司德宏供电局云南德宏678400 南京信息工程大学计算机软件学院南京210044 江苏省网络监控中心(南京信息工程大学) 南京210044

为了在云计算平台发生宕机时进行有效的资源配置,提出一种面向数据密集型应用的容错资源配置方法(FRPM)。首先,将数据密集型应用建模为工作流模型,并且基于虚拟层2(VL2)网络拓扑结构建立了宕机任务时间恢复时间模型和负载均衡模型;然后... 详细信息

为了在云计算平台发生宕机时进行有效的资源配置,提出一种面向数据密集型应用的容错资源配置方法(FRPM)。首先,将数据密集型应用建模为工作流模型,并且基于虚拟层2(VL2)网络拓扑结构建立了宕机任务时间恢复时间模型和负载均衡模型;然后,利用非支配排序遗传算法(NSGA-Ⅲ)实现对数据密集型应用的完成时间和云平台所有计算节点负载均衡进行联合优化,从而为部署在宕机节点上应用找到有效的资源配置策略;最后,根据简单加权(SAW)法和多层次决策准则(MCDM)选择出最优的资源配置策略。实验结果表明,FRPM方法能够在云平台在发生宕机时保证数据密集型应用的完成时间最短,与此同时也能保证云平台所有计算节点的负载均衡。

关键词：云计算错误容忍数据密集型应用资源配置非支配排序遗传算法

来源：评论

学校读者我要写书评

暂无评论

基于块的二维核四元数主成分分析

引用

北京邮电大学学报 2019年第1期42卷 53-60页

作者：陈北京杨建浩范春年苏庆堂王定成南京信息工程大学江苏省网络监控工程中心南京210044 南京信息工程大学江苏省大气环境与装备技术协同创新中心南京210044 南京信息工程大学计算机与软件学院南京210044 鲁东大学信息与电气工程学院烟台264025

核四元数主成分分析(KQPCA)被成功应用于处理非线性四元数信号,然而,核矩阵维数太高使其对角化非常耗时,目前二维形式的KQPCA(2DKQPCA)并没有成功实现.对此,采用基于块处理和并行计算的思想,提出基于块的2DKQPCA(B2DKQPCA),实现真正意... 详细信息

核四元数主成分分析(KQPCA)被成功应用于处理非线性四元数信号,然而,核矩阵维数太高使其对角化非常耗时,目前二维形式的KQPCA(2DKQPCA)并没有成功实现.对此,采用基于块处理和并行计算的思想,提出基于块的2DKQPCA(B2DKQPCA),实现真正意义上的2DKQPCA.基于时间复杂度、应用性能和分块矩阵应为四元数Hermitian矩阵的综合考虑,B2DKQPCA重点处理主对角线、反对角线和主对角线旁3个方向的小块.然后,结合B2DKQPCA与RGB-D图像四元数表示方法,将B2DKQPCA应用于RGB-D目标识别领域.在2个公开库上的实验结果表明,提出的基于列向B2DKQPCA的RGB-D识别算法优于现有基于主成分分析算法和基于卷积神经网络的一些算法.

关键词：核主成分分析四元数彩色图像 RGB-D目标识别

来源：评论

学校读者我要写书评

暂无评论

基于深度度量学习的电机故障诊断

引用

测控技术 2020年第7期39卷 30-37页

作者：张永宏王逸飞赵晓平吴家新王丽华南京信息工程大学自动化学院江苏南京210044 南京信息工程大学计算机与软件学院江苏南京210044 南京信息工程大学江苏省网络监控中心江苏南京210044

深度学习以其强大的自适应特征提取和分类能力在机械大数据处理方面取得了丰硕的成果,由于电机结构的复杂性,其信号表现出的非平稳、非线性和复杂多样等特点,使得传统分类方法中的Softmax分类器+交叉熵损失函数对电机故障诊断力不从心... 详细信息

深度学习以其强大的自适应特征提取和分类能力在机械大数据处理方面取得了丰硕的成果,由于电机结构的复杂性,其信号表现出的非平稳、非线性和复杂多样等特点,使得传统分类方法中的Softmax分类器+交叉熵损失函数对电机故障诊断力不从心。根据电机信号非平稳、数据量大等特点,结合短时傅里叶变换(STFT)与深度学习中的卷积神经网络(CNN)算法和Triplet Loss三元组思想,提出了深度度量学习电机故障诊断方法。该方法能将电机故障信号转换成时频谱图,同时构建CNN,将预处理后的样本用于CNN的训练,采用Triplet Loss作为损失函数度量故障数据高维特征间的距离,并结合标签有监督地微调整个网络,从而实现准确的电机故障诊断。实验表明该方法在处理复杂数据时能够度量特征在高维空间中的距离,高效完成故障诊断任务,弥补了交叉熵函数的不足。

关键词：电机深度度量学习短时傅里叶变换卷积神经网络

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：