检索结果-内蒙古大学图书馆

基于改进的DenseNet-ViT联合网络和迁移学习的燃气轮机转子故障诊断

电子测量与仪器学报 2024年第11期38卷 40-47页

作者：乔琦王红军马康王正余成龙北京信息科技大学机电工程学院北京100192 高端装备制造智能感知与控制北京市国际科技合作基地北京100192 北京信息科技大学机电系统测控北京市重点实验室北京100192

实际工业环境中,燃气轮机转子故障数据难以采集导致故障样本稀缺,无法满足故障模型的海量训练要求。利用DenseNet在图像特征提取方面的和Transformer结构在视觉领域上的优势,提出了一种基于改进的DenseNet-ViT联合网络的燃气轮机转子故... 详细信息

实际工业环境中,燃气轮机转子故障数据难以采集导致故障样本稀缺,无法满足故障模型的海量训练要求。利用DenseNet在图像特征提取方面的和Transformer结构在视觉领域上的优势,提出了一种基于改进的DenseNet-ViT联合网络的燃气轮机转子故障诊断方法。首先舍弃掉DenseNet的分类层,只需利用DenseNet的特征提取层,随后将改进的DenseNet的输出层连接到ViT模型的输入层构成联合网络;另外针对故障模型训练耗时长的问题,利用迁移学习将训练好模型权重参数进行迁移可以加快训练时间,节省计算资源。利用在实验室构建的燃气轮机转子模拟实验台可以获得燃气轮机转子故障模拟数据,在某型号燃气轮机试车台上获得了真实环境下的转子不同类型的故障数据,利用模拟数据与真实数据进行模型测试可以更好的检验所提出方法的可靠性。实验结果表明:在两种不同转子故障数据集测试中分别达到了96.8%和97.3%的故障识别准确率,表明该方法具有较高的转子故障识别精度;在后续设置的对比验证实验中,通过与CNN以及VGG-16等进行对比,该模型的故障分类准确率也均高于这些网络,从而进一步验证了该模型的优异性和可靠性。

关键词：燃气轮机转子故障 ViT模型故障诊断迁移学习

来源：评论

学校读者我要写书评

暂无评论

利用EEMD和深度置信网络的滚动轴承故障诊断方法

引用

重庆理工大学学报（自然科学） 2024年第6期38卷 133-140页

作者：郑鑫辉马超王少红徐小力北京信息科技大学现代测控技术教育部重点实验室北京100192 北京信息科技大学机电系统测控北京市重点实验室北京100192

结合滚动轴承振动信号的非线性特点,开展基于EEMD和深度置信网络(deep belief network,DBN)的滚动轴承故障诊断方法研究。应用EEMD对信号进行分解后,结合相关系数与峭度分析完成信号重构,构建加速度-速度矩阵作为DBN模型输入,实现滚动... 详细信息

结合滚动轴承振动信号的非线性特点,开展基于EEMD和深度置信网络(deep belief network,DBN)的滚动轴承故障诊断方法研究。应用EEMD对信号进行分解后,结合相关系数与峭度分析完成信号重构,构建加速度-速度矩阵作为DBN模型输入,实现滚动轴承不同故障类型及其损伤程度的诊断预测。研究过程中对模型泛化能力、层特征提取能力、模型分析结果和分析效率等方面进行了对比分析,对原始数据、加速度-速度矩阵、相图作为DBN模型输入的诊断效果进行了对比分析,同时进行了SVM、XGboost、ResNet、DBN不同网络模型的对比分析。分析结果表明,利用EEMD进行信号处理并构建加速度-速度矩阵作为DBN模型输入可以有效实现滚动轴承的不同故障类型和故障损伤程度的诊断,诊断平均准确率达到97.23%。此模型可为轴承状态监测与智能故障诊断技术的工程应用提供参考。

关键词：深度置信网络滚动轴承故障诊断状态评价

来源：评论

学校读者我要写书评

暂无评论

基于MVMD-FRFT的滚动轴承早期故障特征提取研究

引用

机电工程 2021年第10期38卷 1284-1291页

作者：洪达马洁赵西伟北京信息科技大学机电工程学院北京100192 北京信息科技大学机电系统测控北京市重点实验室北京100192

滚动轴承的振动信号具有非平稳、非线性的特点,造成其早期故障信号的特征提取困难,针对这一问题,对滚动轴承状态监测中常用的特征提取方法进行了研究,提出了一种基于多元变分模态分解(MVMD)和分数阶傅里叶变换(FRFT)的特征提取方法,并... 详细信息

滚动轴承的振动信号具有非平稳、非线性的特点,造成其早期故障信号的特征提取困难,针对这一问题,对滚动轴承状态监测中常用的特征提取方法进行了研究,提出了一种基于多元变分模态分解(MVMD)和分数阶傅里叶变换(FRFT)的特征提取方法,并将其应用于滚动轴承的故障诊断中。利用MVMD算法将多传感器同时采集的多通道振动信号进行了同步分解,有效地提高了多通道数据融合处理能力,同时得到了若干个固有模态函数(IMF)分量;依据相关系数法从分解后得到的IMF分量中选取了包含故障信息最多的分量作为最优分量,利用FRFT对最优分量进行了滤波,降低了噪声对微弱故障信号的干扰;对滤波后的信号进行了1.5维包络谱解调,通过分析滤波后信号的包络谱,提取了滚动轴承的故障特征。研究结果表明:应用MVMD和FRFT相结合的方法能够有效地避免模态混叠现象,充分地利用故障特征信息,削弱低频信号与噪声的干扰,从而有效地提取出了滚动轴承的故障特征信息。

关键词：滚动轴承特征提取多元变分模态分解分数阶傅里叶变换固有模态函数

来源：评论

学校读者我要写书评

暂无评论

基于卷积神经网络的机器人铣削颤振识别

引用

组合机床与自动化加工技术 2024年第12期 23-29页

作者：姚利诚籍永建北京信息科技大学机电系统测控北京市重点实验室北京100192 北京信息科技大学机电工程学院北京100192 北京信息科技大学现代测控技术教育部重点实验室北京100192

串联式工业机器人整体刚度较低,铣削加工过程中极易产生颤振,降低工件表面质量与尺寸精度。针对机器人铣削颤振识别问题,提出一种基于卷积神经网络的颤振识别方法。通过机器人铣削实验采集不同加工状态下的振动加速度信号,提取信号的功... 详细信息

串联式工业机器人整体刚度较低,铣削加工过程中极易产生颤振,降低工件表面质量与尺寸精度。针对机器人铣削颤振识别问题,提出一种基于卷积神经网络的颤振识别方法。通过机器人铣削实验采集不同加工状态下的振动加速度信号,提取信号的功率谱熵差与均方根作为特征指标;采用特征指标构建表征机器人不同铣削状态的二维散点图像数据集。采用卷积神经网络算法构建机器人铣削状态智能识别模型,对机器人铣削状态进行辨识。为验证所提方法的有效性,与现有方法进行对比分析与验证。结果表明,基于卷积神经网络构建的识别模型能够有效辨识机器人铣削加工过程中的不同状态,其识别准确率可达95.10%,优于采用支持向量机构建的模型。

关键词：机器人铣削颤振特征提取状态识别卷积神经网络

来源：评论

学校读者我要写书评

暂无评论

机器人-主轴系统耦合作用下的刀尖频响预测

引用

组合机床与自动化加工技术 2024年第7期 57-63页

作者：韩启超籍永建徐小康北京信息科技大学机电系统测控北京市重点实验室北京100192 北京信息科技大学机电工程学院北京100192 北京信息科技大学现代测控技术教育部重点实验室北京100192

针对机器人铣削系统的刀尖动力学特性受机器人与主轴系统耦合作用影响,难以有效预测的问题,提出了考虑机器人-主轴系统耦合作用的刀尖频响函数预测方法。采用现场试验与理论分析相结合的方式构建了机器人末端刚度预测模型,揭示了机器人... 详细信息

针对机器人铣削系统的刀尖动力学特性受机器人与主轴系统耦合作用影响,难以有效预测的问题,提出了考虑机器人-主轴系统耦合作用的刀尖频响函数预测方法。采用现场试验与理论分析相结合的方式构建了机器人末端刚度预测模型,揭示了机器人末端刚度随加工路径的变化规律,构建了末端刚度拟合函数。采用仿真软件构建了主轴系统有限元模型,制定了机器人与主轴系统耦合策略,提出了考虑结合面刚度特性的刀尖频响函数预测方法,构建了包含机器人刚度特性的刀尖频响函数预测模型。通过现场试验对模型有效性进行了验证,结果表明本模型对刀尖固有频率的预测误差为1.313%,频率幅值预测误差为0.502%,可用于机器人在不同位姿下刀尖固有频率的预测分析。研究了刀尖固有频率随机器人加工路径的变化规律,实现了特定加工路径下机器人铣削系统刀尖固有频率的有效预测。

关键词：工业机器人频响函数刚度主轴系统固有频率

来源：评论

学校读者我要写书评

暂无评论

用于微小孔对中的直线约束最小二乘嵌套圆拟合方法

引用

制造技术与机床 2017年第1期 133-138页

作者：樊夏辉刘桂礼孔全存李东北京信息科技大学仪器科学与光电工程学院北京100192 北京信息科技大学北京市重点实验室机电系统测控实验室北京100192

针对具有特征尺寸为0.1~1mm微小孔的金属合金部件二次加工过程中存在的对中问题,提出了一种基于图像处理的嵌套圆拟合方法。通过分析嵌套圆特征,设计显微对中成像系统,提出基于直线约束最小二乘法的非标准嵌套圆拟合方法,并进行实验和... 详细信息

针对具有特征尺寸为0.1~1mm微小孔的金属合金部件二次加工过程中存在的对中问题,提出了一种基于图像处理的嵌套圆拟合方法。通过分析嵌套圆特征,设计显微对中成像系统,提出基于直线约束最小二乘法的非标准嵌套圆拟合方法,并进行实验和误差分析。相比传统最小二乘法,拟合精度相当,但其准确率提高约30%,达到99%以上。实验结果证明此方法可有效提高微小孔对中的准确率和稳定性,并验证了其可行性。

关键词：微小孔对中嵌套圆拟合直线约束最小二乘法误差分析

来源：评论

学校读者我要写书评

暂无评论

大型风电叶片动态摄影测量网络优化

引用

激光技术 2021年第1期45卷 19-24页

作者：丰伟董明利孙鹏北京信息科技大学光电测试技术及仪器教育部重点实验室北京100192 北京信息科技大学机电系统测控北京市重点实验室北京100192

在大型风电叶片动态摄影测量中,为了对相机的站位进行优化,采用一种变异操作改进型遗传算法作为摄影测量网络优化方法,通过光线束前方交会的误差传递建立测量误差模型,以空间坐标测量误差的标准差为网络优化的目标,同时根据被测风电叶... 详细信息

在大型风电叶片动态摄影测量中,为了对相机的站位进行优化,采用一种变异操作改进型遗传算法作为摄影测量网络优化方法,通过光线束前方交会的误差传递建立测量误差模型,以空间坐标测量误差的标准差为网络优化的目标,同时根据被测风电叶片几何结构和实际环境确定了相应的约束条件进行仿真实验,得到了最优的相机站位。结果表明,在以叶片长度为40m的风机为被测物的仿真实验中,最优站位的空间坐标测量误差标准差为2.7mm;通过对叶片长度为3.5m的风机模型进行实测实验验证,最优站位的相对测量误差为0.009%,最大误差为0.617mm。该研究为风电叶片摄影测量的网络优化提供了参考。

关键词：测量与计量网络优化变异操作改进型遗传算法大型风电叶片摄影测量

来源：评论

学校读者我要写书评

暂无评论

基于改进的共振稀疏分解的滚动轴承故障诊断

引用

机床与液压 2019年第16期47卷 175-179页

作者：杨伟王红军北京信息科技大学机电工程学院北京100192 北京信息科技大学现代测控技术教育部重点实验室北京100192 北京信息科技大学机电系统测控北京市重点实验室北京100192

针对滚动轴承早期微弱故障湮没在高强背景噪声中、造成故障特征信息提取困难的特点,提出一种改进的共振稀疏分解方法。首先采用变分模态对信号去噪,根据峭度-相关系数准则选取包含故障特征信息量多的分量进行信号重构;然后对重构后的信... 详细信息

针对滚动轴承早期微弱故障湮没在高强背景噪声中、造成故障特征信息提取困难的特点,提出一种改进的共振稀疏分解方法。首先采用变分模态对信号去噪,根据峭度-相关系数准则选取包含故障特征信息量多的分量进行信号重构;然后对重构后的信号进行粒子群优化的共振稀疏分解;最后对分解得到的低共振分量进行包络分析,提取故障特征频率。实验结果证明了该方法比传统共振稀疏分解更能有效地提取故障特征频率,有效地减少了干扰成分。

关键词：滚动轴承变分模态分解峭度-相关系数准则粒子群优化共振稀疏分解

来源：评论

学校读者我要写书评

暂无评论

基于改进BiSeNet的非结构化道路分割算法研究

引用

应用光学 2023年第3期44卷 556-564页

作者：宋亮谷玉海石文天北京信息科技大学北京市机电系统测控重点实验室北京100192 北京工商大学材料与机械工程学院北京100148

非结构化道路通常没有清晰的边界及车道线,环境较为复杂,传统的基于道路纹理、颜色特征的分割方法无法满足实时性和准确性的要求。针对非结构化道路场景,提出了基于改进BiSeNet的轻量化语义分割模型,采用轻量化主干提取网络和引入深度... 详细信息

非结构化道路通常没有清晰的边界及车道线,环境较为复杂,传统的基于道路纹理、颜色特征的分割方法无法满足实时性和准确性的要求。针对非结构化道路场景,提出了基于改进BiSeNet的轻量化语义分割模型,采用轻量化主干提取网络和引入深度可分离卷积,优化速度控制;在最后的特征融合阶段引入通道注意力,自适应地选择重要特征,抑制冗余信息,提高非结构化道路分割的准确性。改进后模型参数量仅有1.11×106,检测速度提升18.83%,F1-score达到了96.74%。对比其他主流语义分割模型,该算法具有参数量小、速度快、准确率高等优势,可为非结构化道路场景下无人驾驶车辆的安全运行提供参考。

关键词：无人驾驶非结构化道路深度可分离卷积注意力机制语义分割

来源：评论

学校读者我要写书评

暂无评论

广义形态滤波和VMD分解的滚动轴承故障诊断

引用

电子测量与仪器学报 2018年第4期32卷 51-57页

作者：崔锡龙王红军邢济收左云波北京信息科技大学机电工程学院北京信息科技大学现代测控技术教育部重点实验室北京信息科技大学机电系统测控北京市重点实验室

滚动轴承早期故障信号的特征提取通常都会受到强噪声的影响,难以得到有效信息,因此提出了广义形态滤波和变分模态分解(variational mode decomposition,VMD)相结合的方法。首先利用不同结构元素构成的广义形态滤波去除故障信号中噪声信... 详细信息

滚动轴承早期故障信号的特征提取通常都会受到强噪声的影响,难以得到有效信息,因此提出了广义形态滤波和变分模态分解(variational mode decomposition,VMD)相结合的方法。首先利用不同结构元素构成的广义形态滤波去除故障信号中噪声信息的影响,突出故障信号的冲击特征;其次运用VMD对处理过后的信号进行分解,得到若干个模态分量;然后由峭度准则选取故障信息最为丰富的模态分量进行包络谱分析,获取滚动轴承的故障特征频率。通过对仿真信号和实测数据的处理结果表明,方法对噪声的去除效果显著,获取故障特征频率也十分明显,能够作为滚动轴承故障诊断的有效方法。

关键词：变分模态分解广义形态滤波滚动轴承故障诊断

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：