公共文化服务平台

共 7 条记录，以下是 1-7

全选清除导出

排序方式：

改进LSSVM迁移学习方法的轴承故障诊断被引量：77: 2017年; 机械系统存在的外部环境干扰、变工况条件以及无法直接测量等因素,导致获取的数据常常不满足传统机器学习的两个前提:训练与测试数据分布相同以及目标诊断数据量充足,从而影响诊断模型的泛化能力。针对上述问题,提出一种基于辅助数据的增强型最小二乘支持向量机(LSSVM)迁移学习策略,用于数据量不足时的轴承故障诊断。其中利用递归定量分析(RQA)提取非线性特征并与传统时域特征相结合以提高诊断精度。诊断分类器通过改进传统LSSVM模型,在原目标函数和约束条件中分别增加辅助集的惩罚函数和约束条件,最终得到加入辅助集的函数估计,从而将该算法推广至迁移学习。此外,类内类间距离指标用于描述特征区分性,并提出4种辅助数据集的使用方法,从而构建迁移学习为框架的诊断模型。球形轴承的振动信号试验结果表明,相比传统机器学习,在目标振动数据较少条件下所提模型在轴承故障诊断时性能提升显著。; 陈超沈飞严如强; 关键词：轴承故障诊断最小二乘支持向量机

基于领域适应的变工况齿轮故障诊断研究: 提出一种基于本征时间尺度分解方法(intrinsic time-scale decomposition,ITD)的特征提取和迁移学习相结合的齿轮故障诊断方法,以应对转速和负载等工况条件变化时的领域适应性问题.该方法首先利...; 陈超沈飞徐佳文严如强; 关键词：齿轮故障诊断

数据领域选择与空间迁移在齿轮箱故障诊断中的应用: 2021年; 提出一种空间迁移新思路,以提升齿轮箱故障诊断性能,其由辅助振动数据构成源领域、目标振动数据构成目标领域,迁移学习(Transfer learning,TL)将前者分类模型应用至后者,以克服短时间内目标振动数据不足的问题。根据频带选择独立成分分析(Band selective independent component analysis,BS‑ICA)规则选择迁移模型的数据领域,并提取其时域特征构成五维空间。利用均衡密度投影(Equilibrium density projection,MDP)将源领域和目标领域同时映射至二维投影空间,并最小化领域均值差异以拉近两者在低维空间内的距离。在投影空间内,利用逻辑回归(Logistic regression,LR)和支持向量机(Support vector machine,SVM)基分类器对映射样本实施分类。同时通过剔除低质量源领域样本,加入新采集样本以维持模型更新。利用Spectra Quest齿轮传动系统,对比迁移成分分析(Transfer composition analysis,TCA)、领域适应机(Domain selection machine,DSM)等传统TL模型,所提方法不但能提高工况快速变化时的诊断精度,同时能加快诊断速度,具有实际的工程应用价值。; 沈飞陈超徐佳文严如强; 关键词：故障诊断齿轮箱

基于时间迁移模型的旋转机械实时故障诊断被引量：7: 2019年; 提出一种时间迁移模型,以提升旋转机械工况发生变化时的实时故障诊断性能,其由历史数据构成源领域、当前数据构成目标领域。首先,根据变工况规则确定模型的数据领域,并提取其时域特征向量构成五维空间。其次,将源和目标领域通过最大方差投影(MVP)和流形正则化投影(MRP)分别映射至二维子空间,并利用最小均值差异(MMD)准则缩短两者距离。最后,在投影空间中利用BP神经网络和支持向量机(SVM)分类器对源领域建立分类模型,并应用至目标领域,并通过筛选源领域样本以更新诊断模型。齿轮传动系统试验结果表明,时间迁移能够解决工况发生变化时的实时机械故障诊断问题,相比传统迁移成分分析(TCA)模型能提升诊断性能,故为其工程应用提供有价值的技术手段。; 沈飞陈超徐佳文严如强

奇异值分解与迁移学习在电机故障诊断中的应用被引量：36: 2017年; 针对变转速、变负载条件下的电机故障诊断问题,提出了一种基于自相关矩阵奇异值分解(Singular Value Decomposition,SVD)的特征提取和迁移学习分类器相结合的诊断方法。对于Hankel矩阵提取的奇异值向量,设计了平均曲率区分度指标来描述特征差异性,迁移学习TrAdaBoost算法通过迭代过程中调节辅助振动数据的权重来帮助目标数据学习,提升了分类正确率,同时利用向量夹角余弦进行可迁移度检测从而避免负迁移。试验结果表明,SVD无需利用故障先验知识,具有通用性,且迁移学习相比传统机器学习在目标振动数据较少条件下性能得到显著提升。; 沈飞陈超严如强; 关键词：故障诊断奇异值分解特征提取

谱质心迁移在变工况轴承故障诊断的应用被引量：10: 2019年; 轴承故障诊断普遍存在需建立不同模型以适应变工况的问题,故提出一种谱质心迁移学习模型,通过将源工况领域迁移至目标工况领域减少后者的建模代价,并增强模型通用性。首先计算两工况领域间频谱相似度(FSSM)并排序选择近距离源工况领域为初始训练集。其次在迭代过程中剔除与训练集谱质心均值距离较远的样本,并加入同数量目标工况领域无标签样本,直至两者谱质心均值距离一致,模型故障类别取决于支持向量机(SVM)和逻辑回归(LR)基分类器的输出。Spectra Quest齿轮传动系统试验结果表明,转速负载发生变化时,该模型诊断性能优于非迁移模型,且能够根据替换样本数、精度、频谱相似度、耗时等指标评估源工况领域质量,因此具有解决变工况轴承故障诊断问题的潜在价值。; 沈飞陈超徐佳文严如强; 关键词：轴承故障诊断

基于自适应参数的心电压缩方法研究: 2024年; 为探究一种适应于临床诊断的高压缩比的心电(electrocardiograph, ECG)压缩方法,本研究提出了一个自适应压缩参数寻优器,基于压缩算法定位出压缩性能最佳的ECG信号参数组。针对算法的普适性,本研究推荐了一组适用于所有ECG信号的参数组,并利用4个指标在MIT-BIH数据库上对压缩性能进行估计。实验结果表明,平均压缩比(compression ratio, CR)达到了26.67,平均百分比均方根误差(percentage root-mean-square difference, PRD)达到了14.64%,压缩一条30 min ECG信号的平均时长为0.125 8 s。本研究改进后的压缩算法在压缩比上表现突出,对临床诊断有应用意义。; 林钰洁王星尧陈超李建清刘澄玉; 关键词：心电信号参数自适应

全选清除导出

共1页<1>

陈超