期刊文献+
共找到1,836篇文章
< 1 2 92 >
每页显示 20 50 100
Extending the Network Lifetime Using Optimized Energy Efficient Cross Layer Module (OEEXLM) in Wireless Sensor Networks
1
作者 T. V. PADMAVATHY 《Wireless Sensor Network》 2009年第1期27-35,共9页
In wireless sensor network, the primary design is to save the energy consumption as much as possible while achieving the given task. Most of recent researches works have only focused on the individual layer issues and... In wireless sensor network, the primary design is to save the energy consumption as much as possible while achieving the given task. Most of recent researches works have only focused on the individual layer issues and ignore the importance of inter working between different layers in a sensor network. In this paper, we use a cross-layer approach to propose an energy-efficient and extending the life time of the sensor network. This protocol which uses routing in the network layer, and the data scheduling in MAC layer. The main ob-jective of this paper is to provide a possible and flexible approach to solve the conflicts between the require-ments of large scale, long life-time, and multi-purpose wireless sensor networks. This OEEXLM module gives better performance compared to all other existing protocols. The performance of OEEXLM module compared with S-MAC and directed diffusion protocol. 展开更多
关键词 ROUTING MEDIUM Access Control life Time of the network Energy Efficiency OEEXLM MODULE WIRELESS Sensor networks
在线阅读 下载PDF
The Impact of Online Networks and Big Data in Life Sciences
2
作者 Ruchita Gujarathi Fabricio F. Costa 《Social Networking》 2014年第1期58-64,共7页
Advances in Information Technology (IT) have enhanced our ability to gather, collect and analyze information from individuals and specific groups of people online. The emergence of online networks has facilitated conn... Advances in Information Technology (IT) have enhanced our ability to gather, collect and analyze information from individuals and specific groups of people online. The emergence of online networks has facilitated connections between individuals by leveraging data exchange in a variety of fields. Online networking in life sciences transforms data collection into actionable information that will improve individual and population health, deliver effective therapies and, consequently, reduce the cost of healthcare. These novel tools might also have a direct impact in personalized medicine programs, since the adoption of new products by health care professionals in life sciences and peer-to-peer learning could be improved using social networks and big data analytics. However, one of the main concerns of information exchange online is data privacy. In this article, we will review how online networks and big data analytics are impacting the life sciences sector. 展开更多
关键词 Online networks BIG Data HEALTH life SCIENCES Patients DISEASES PRIVACY
暂未订购
Effective Life and Area Based Data Storing and Deployment in Vehicular Ad-Hoc Networks
3
作者 Hirokazu Miura Hideki Tode Hirokazu Taki 《Communications and Network》 2015年第3期146-157,共12页
In vehicular ad-hoc networks (VANETs), store-carry-forward approach may be used for data sharing, where moving vehicles carry and exchange data when they go by each other. In this approach, storage resource in a vehic... In vehicular ad-hoc networks (VANETs), store-carry-forward approach may be used for data sharing, where moving vehicles carry and exchange data when they go by each other. In this approach, storage resource in a vehicle is generally limited. Therefore, attributes of data that have to be stored in vehicles are an important factor in order to efficiently distribute desired data. In VANETs, there are different types of data which depend on the time and location. Such kind of data cannot be deployed adequately to the requesting vehicles only by popularity-based rule. In this paper, we propose a data distribution method that takes into account the effective life and area in addition to popularity of data. Our extensive simulation results demonstrate drastic improvements on acquisition performance of the time and area specific data. 展开更多
关键词 Vehicular AD-HOC networks (VANETs) POPULARITY EFFECTIVE life EFFECTIVE Area Data DEPLOYMENT
暂未订购
密路网街区模式优化——从概念到落地
4
作者 邵润青 段进 +2 位作者 殷凤军 钱艳 王里漾 《城市规划》 北大核心 2026年第1期73-82,共10页
针对中国近年来密路网街区建设过程中出现的交通微循环和日常生活环境冲突的“家门口”难题,对密路网街区在中国当代建设语境下的模式优化进行了技术探讨和实验性应用。研究提出了邻里“园街”概念模块,采用立体复合分时共享的交通组织... 针对中国近年来密路网街区建设过程中出现的交通微循环和日常生活环境冲突的“家门口”难题,对密路网街区在中国当代建设语境下的模式优化进行了技术探讨和实验性应用。研究提出了邻里“园街”概念模块,采用立体复合分时共享的交通组织策略,引入中国人喜闻乐见的园、院空间基因,结合街道眼布局,营造温馨安全的交往场所;以邻里园街引入为基础,耦合日常生活服务设施,优化生活街区路网架构,使得交通和场所需求得到双赢;结合真实城市环境进行实验性落地反馈,进一步拓展应用场景,最终形成人情味浓郁的“园街+”密路网街区新模式。 展开更多
关键词 密路网 街区制 园街 日常生活 共享街道
在线阅读 下载PDF
基于DRSN-ADA的滚动轴承寿命预测方法
5
作者 王恒迪 陈鹏 +2 位作者 王豪馗 吴升德 马盈丰 《机械传动》 北大核心 2026年第1期184-191,共8页
【目的】针对滚动轴承剩余寿命预测中存在的振动信号噪声干扰及不同工况下数据分布偏移问题,提出一种结合深度残差收缩网络(Deep Residual Shrinkage Network,DRSN)与对抗式领域自适应(Adversarial Domain Adaptation,ADA)的健康状态评... 【目的】针对滚动轴承剩余寿命预测中存在的振动信号噪声干扰及不同工况下数据分布偏移问题,提出一种结合深度残差收缩网络(Deep Residual Shrinkage Network,DRSN)与对抗式领域自适应(Adversarial Domain Adaptation,ADA)的健康状态评估方法,以提高寿命预测的精度与泛化能力。【方法】首先,构建了深度残差收缩网络和对抗式领域自适应健康状态评估模型,并利用DRSN可以规避振动信号中的噪声并自适应提取轴承退化特征的性能,构建了健康指标曲线;其次,利用ADA使测试集健康指标和训练集健康指标分布对齐;最后,将DRSN-ADA模型输出的健康指标输入到卷积长短时记忆(Convolutional Long Short-Term Memory,ConvLSTM)网络模型中,实现了剩余寿命预测。【结果】结果表明,在XJTU-SY数据集及工程试验中,DRSN-ADA所构建的健康指标在单调性、鲁棒性和关联性上均优于对比方法,其均值分别达0.61、0.97与0.98;寿命预测结果的均方误差与平均绝对误差均值分别为2.52%与2.19%,平均得分为0.86,显著优于ResNet、主成分分析及均方根方法,验证了该方法在噪声抑制与跨工况预测方面的有效性。 展开更多
关键词 滚动轴承 深度残差收缩网络 对抗式领域自适应 健康指标 寿命预测
在线阅读 下载PDF
5GC云资源池生命周期演进方案研究
6
作者 胡祎 张奎 +1 位作者 张世华 申佳 《邮电设计技术》 2026年第1期14-18,共5页
随着5G网络的建设,承载5G核心网的云资源池的计算、存储、网络等硬件设备服役时间已达3~5年,根据IT设备的特点,早期部署的硬件设备已经逐步进入生命周期后期,预计故障率将会提升,对5GC关基网络的安全稳定运行带来隐患。介绍了5GC云资源... 随着5G网络的建设,承载5G核心网的云资源池的计算、存储、网络等硬件设备服役时间已达3~5年,根据IT设备的特点,早期部署的硬件设备已经逐步进入生命周期后期,预计故障率将会提升,对5GC关基网络的安全稳定运行带来隐患。介绍了5GC云资源池架构组成,对资源池硬件设备生命周期进行了分析研究,提出了5GC云资源池升级演进方案以及设备利旧建议。 展开更多
关键词 5G核心网 云资源池 硬件设备 生命周期 升级演进
在线阅读 下载PDF
社交网站自我呈现对大学生生命意义感的影响
7
作者 王树青 闫秀梅 《济南大学学报(社会科学版)》 2026年第1期133-143,199,共12页
社交网站已成为大学生追寻与体验生命意义感的重要场域,但关于社交网站自我呈现对生命意义感影响及作用机制的系统性研究较为有限。通过历时一年三次测查的追踪研究,对697名大学生开展问卷调查,探究社交网站不同自我呈现策略对大学生生... 社交网站已成为大学生追寻与体验生命意义感的重要场域,但关于社交网站自我呈现对生命意义感影响及作用机制的系统性研究较为有限。通过历时一年三次测查的追踪研究,对697名大学生开展问卷调查,探究社交网站不同自我呈现策略对大学生生命意义感的影响,并揭示线上积极反馈与自我概念清晰性的中介作用。结果发现,社交网站积极与真实自我呈现均对大学生一年后的生命意义感产生积极影响,但二者的作用路径既有共性,也存在差异。具体而言,两种自我呈现策略均引发更多的线上积极反馈,并进一步增强自我概念清晰性,进而通过链式中介路径正向预测生命意义感;此外,社交网站积极自我呈现还可直接正向预测生命意义感,而真实自我呈现主要通过增强自我概念清晰性间接影响生命意义感。总之,作为积极的网络情境,社交网站积极与真实自我呈现均有利于大学生获得更高水平的生命意义感,线上积极反馈和自我概念清晰性在其中发挥关键的中介作用。 展开更多
关键词 社交网站自我呈现 生命意义感 线上积极反馈 自我概念清晰性 追踪研究
在线阅读 下载PDF
基于多尺度特征融合的并行神经网络剩余寿命预测方法
8
作者 余萍 王浩年 曹洁 《太阳能学报》 北大核心 2026年第1期785-796,共12页
为更准确预测锂电池的剩余使用寿命(RUL),提高其可靠性,确保稳定运行,提出一种基于多尺度特征融合的并行神经网络预测方法。首先,利用不同尺度的时间卷积网络(TCN)提取锂电池的多尺度特征,从而增强局部和全局特征的提取能力;接着,引入... 为更准确预测锂电池的剩余使用寿命(RUL),提高其可靠性,确保稳定运行,提出一种基于多尺度特征融合的并行神经网络预测方法。首先,利用不同尺度的时间卷积网络(TCN)提取锂电池的多尺度特征,从而增强局部和全局特征的提取能力;接着,引入交叉注意力机制对特征进行筛选与融合,以提取关键的退化信息;随后,构建并行的Bi-LSTM和Bi-GRU网络,以学习退化特征并建立时间尺度上的长期依赖关系,最终实现RUL预测。通过美国航空航天局(NASA)和CALCE锂电池数据集验证,证明了所提方法在不同背景下的有效性。 展开更多
关键词 多尺度特征融合 时间卷积网络 交叉注意力机制 锂电池 剩余使用寿命预测 并行神经网络
原文传递
不同神经调控刺激方式改善帕金森病患者非运动症状的网状Meta分析 被引量:2
9
作者 冷晓轩 赵玉欣 刘西花 《中国组织工程研究》 北大核心 2026年第5期1282-1293,共12页
目的:已有研究证实,神经调控技术对帕金森病患者的临床症状有较为明显的改善作用,并且不同神经调控刺激方式之间存在疗效差异。采用网状Meta分析评价不同神经调控技术刺激方式改善帕金森病患者睡眠障碍及抑郁焦虑等非运动症状的疗效,探... 目的:已有研究证实,神经调控技术对帕金森病患者的临床症状有较为明显的改善作用,并且不同神经调控刺激方式之间存在疗效差异。采用网状Meta分析评价不同神经调控技术刺激方式改善帕金森病患者睡眠障碍及抑郁焦虑等非运动症状的疗效,探讨最佳神经调控刺激方案。方法:应用计算机检索中国生物医学文献数据库、万方数据库、维普数据库、中国知网及Web of Science、PubMed、The Cochrane Library、EMbase数据库中关于神经调控技术改善帕金森病患者睡眠障碍及抑郁焦虑的随机对照试验,对照组采用常规治疗(药物、常规康复治疗等)或假刺激,试验组在对照组的基础上加用神经调控技术。采用PEDro量表和Cochrane协作网推荐的偏倚风险评估工具对纳入的文献进行质量评价,采用RevMan 5.4和Stata 17.0对4个结局指标(睡眠障碍、焦虑症状、抑郁症状、生活质量)进行网状Meta分析。结果:①最终纳入29项随机对照试验,涉及6种神经调控刺激方式,包括经颅直流电刺激、高频重复经颅磁刺激、低频重复经颅磁刺激、丘脑底核脑深部电刺激、苍白球内侧脑深部电刺激、多靶点脑深部电刺激。②网状Meta分析结果显示:与常规治疗相比,经颅直流电刺激[SMD=-2.57,95%CI=(-4.52,-0.63),P<0.05]在改善帕金森病患者睡眠障碍方面的疗效最佳;在改善帕金森病患者抑郁症状方面,苍白球内侧脑深部电刺激[SMD=-1.00,95%CI=(-1.87,-0.14),P<0.05]的疗效最佳,其次为低频重复经颅磁刺激[SMD=-0.91,95%CI=(-1.60,-0.23),P<0.05]、丘脑底核脑深部电刺激[SMD=-0.82,95%CI=(-1.56,-0.08),P<0.05]、高频重复经颅磁刺激[SMD=-0.75,95%CI=(-0.97,-0.53),P<0.05];在改善帕金森病患者焦虑症状方面,高频重复经颅磁刺激[SMD=-0.86,95%CI=(-1.54,-0.18),P<0.05]的疗效最佳;在改善患者生活质量方面,苍白球内侧脑深部电刺激[SMD=-0.79,95%CI=(-1.55,-0.04),P<0.05]的疗效最佳,其次为高频重复经颅磁刺激[SMD=-0.63,95%CI=(-0.90,-0.36),P<0.05]、经颅直流电刺激[SMD=-0.50,95%CI=(-0.80,-0.19),P<0.05]。结论:神经调控技术在改善帕金森病患者非运动症状方面具有显著疗效,其中,经颅直流电刺激改善睡眠障碍的疗效最佳,苍白球内侧脑深部电刺激改善抑郁症状的疗效最佳,高频重复经颅磁刺激改善焦虑症状的疗效最佳,苍白球内侧脑深部电刺激改善生活质量的疗效最佳。 展开更多
关键词 帕金森病 神经调控技术 经颅直流电 重复经颅磁刺激 脑深部电刺激 睡眠障碍 抑郁 焦虑 生活质量 网状Meta分析 工程化组织构建
暂未订购
日常生活视角下滨湖区域绿道网络的构形研究
10
作者 黄以墨 唐丽雯 +1 位作者 熊媛 李静波 《华中农业大学学报》 北大核心 2026年第1期145-154,共10页
针对当前滨湖绿道普遍存在的与居民日常生活脱节、空间形态单一、功能复合度不足等问题,提出基于日常生活理论视角的“环湖为核、林荫为簇”的绿道网络构形假设。以武汉沙湖滨湖区域为例,构建“点-线-权”的绿道网络构形框架,将交通通... 针对当前滨湖绿道普遍存在的与居民日常生活脱节、空间形态单一、功能复合度不足等问题,提出基于日常生活理论视角的“环湖为核、林荫为簇”的绿道网络构形假设。以武汉沙湖滨湖区域为例,构建“点-线-权”的绿道网络构形框架,将交通通勤、商业服务、文化活动与体育健身等日常情景兴趣点(point of interest,POI)作为点要素,满足植被覆盖率标准的林荫道作为线要素,借助UNA工具开展多情景路径模拟与使用频次量化分析。结果显示:研究区域内构形的绿道网络呈现“多簇网状”的复杂结构,约51.49%的道路未与任何生活情景重叠,主要分布于湖区外围。高重叠(≥5类情景)路段仅占总长度的32.46%,说明高频生活走廊在整体绿道网络中比例有限、分布集中,且居民日常高频使用的路径主要由密度高、长度短的内部道路构成。沙湖现状绿道与高频日常路径错位率较高,沙湖现有绿道覆盖约9.3%的日常活动POI,构建的网络将覆盖度提升至约48.76%,显著增强了绿道与居民日常出行链条的耦合程度。 展开更多
关键词 绿道网络 日常生活 社会网络分析 步行可达性 武汉市
在线阅读 下载PDF
撒布预知下节能算子对Sensor Networks寿命的分析
11
作者 王雪飞 《计算机工程与应用》 CSCD 北大核心 2006年第33期135-137,173,共4页
Sensor Networks是ADHOC的一个重要方面的应用,其特点是节点分布广、随机性强、密度可预测。在可预知的分布中,成功预测了Sensor Networks的寿命,并给出了适合抛撒分布下Sensor Networks的寿命公式与相应的HASH图,以及计算Sensor Netwo... Sensor Networks是ADHOC的一个重要方面的应用,其特点是节点分布广、随机性强、密度可预测。在可预知的分布中,成功预测了Sensor Networks的寿命,并给出了适合抛撒分布下Sensor Networks的寿命公式与相应的HASH图,以及计算Sensor Networks寿命的具体步骤与方法。 展开更多
关键词 节点寿命 网络寿命 节能算子 正态分布(偏) 抛撒分布 寿命HASH图 最佳邻居数
在线阅读 下载PDF
基于MsTCN-Informer-MFN的航空发动机剩余寿命预测
12
作者 费春国 潘通 《机床与液压》 北大核心 2026年第2期41-49,共9页
针对现有RUL预测方法在长时序依赖建模、多源传感器特征空间相关性挖掘及动态特征选择等方面的不足,提出MsTCN-Informer-MFN预测方法。通过MsTCN模块实现局部突发信号与全局渐进退化特征的分层提取;引入稀疏自注意力机制与特征蒸馏策略... 针对现有RUL预测方法在长时序依赖建模、多源传感器特征空间相关性挖掘及动态特征选择等方面的不足,提出MsTCN-Informer-MFN预测方法。通过MsTCN模块实现局部突发信号与全局渐进退化特征的分层提取;引入稀疏自注意力机制与特征蒸馏策略的Informer模型,显著降低计算复杂度的同时增强对全生命周期退化轨迹的建模能力;最后,MFN模块通过动态权重分配与跨变量交互机制,利用门控权重单元对多维传感器信号进行动态特征融合,捕获随时间变化的空间关联关系,抑制冗余特征与噪声干扰,从而在退化过程实现更精准的剩余寿命估计。基于C-MAPSS数据集的实验结果表明:所提方法在FD001-FD004子集上的均方根误差(RMSE)与评分函数(Score)均优于DSAN、TFTA-Transformer等现有先进模型,尤其在复杂工况(FD002和FD004)下的RMSE较STRUL模型分别降低15.08%和8.78%,验证了其在多工况场景下的鲁棒性与泛化能力。 展开更多
关键词 航空发动机 时间卷积网络 剩余寿命预测
在线阅读 下载PDF
基于时频域信号优化器的Mi-MkTCN轴承寿命预测模型
13
作者 刘毅 高雪莲 +3 位作者 李一弘 王永琦 孔玲丽 康立军 《现代制造工程》 北大核心 2026年第2期117-128,共12页
滚动轴承是机械设备中的常见关键部件,准确预测其剩余使用寿命对机械设备的安全稳定运行至关重要。针对目前轴承寿命预测存在的轴承退化特征不明显、模型泛化能力差以及数据长期依赖关系难以捕捉的问题,提出基于时频域信号优化器(Time-F... 滚动轴承是机械设备中的常见关键部件,准确预测其剩余使用寿命对机械设备的安全稳定运行至关重要。针对目前轴承寿命预测存在的轴承退化特征不明显、模型泛化能力差以及数据长期依赖关系难以捕捉的问题,提出基于时频域信号优化器(Time-Frequency domain signal Ratio Optimizer,TFRO)的多重膨胀多核时间卷积网络(Multi inflated Multi kernel Time Convolutional Network,Mi-MkTCN)模型。TFRO优化器为了精准记忆重要信息,在每一个时间节点上,将过去信息和当前信息重组,其中过去信息中的重要的时频域特征经过了有比例的分配。Mi-MkTCN利用多重膨胀确保重要特征不丢失,再利用多核时间卷积网络实现对不同尺度特征的提取。最终的消融对比实验验证了改进方法的有效性,模型的平均绝对误差、均方误差及均方根误差指标分别为0.00145、0.05069和0.12045。实验结果表明,所提方法显著提升了轴承剩余使用寿命的预测精度,为轴承剩余使用寿命预测提供了高精度、高鲁棒性的解决方案。 展开更多
关键词 时频域信号比例优化器 精准记忆TPA 多重膨胀 多核时间卷积网络 轴承剩余使用寿命预测
在线阅读 下载PDF
基于动态特征演化与门控注意力机制的IGBT剩余寿命预测
14
作者 史尚贤 李小波 +1 位作者 刘心怡 吴浩 《半导体技术》 北大核心 2026年第3期289-297,共9页
针对绝缘栅双极型晶体管(IGBT)退化过程中难以精准获取特征重要性(FI)的动态演化,以及静态FI与动态时间步的重要性维度失配导致剩余使用寿命(RUL)预测精度不足的问题,提出一种门控引导注意力机制的卷积神经网络-双向长短期记忆(CNN-BiLS... 针对绝缘栅双极型晶体管(IGBT)退化过程中难以精准获取特征重要性(FI)的动态演化,以及静态FI与动态时间步的重要性维度失配导致剩余使用寿命(RUL)预测精度不足的问题,提出一种门控引导注意力机制的卷积神经网络-双向长短期记忆(CNN-BiLSTM)模型用于RUL预测。构建了多维度随机森林FI评估框架,动态评估退化阶段的FI;设计了多模态输入解耦架构,构建了加权物理特征分支;提出了同步映射机制,以状态偏离度为桥梁,将静态FI投影至时间轴进行维度匹配;进而构建了FI引导的门控注意力机制,实现数据驱动与先验知识引导注意力的自适应融合。最后,基于NASA研究中心提供的数据集开展算法验证实验,结果表明,该方法的预测精度显著提高,相较于多特征模型、CNN-BiLSTM和BiLSTM分别提高了27.67%、18.68%和9.11%。 展开更多
关键词 绝缘栅双极型晶体管(IGBT) 特征重要性(FI)动态演化 门控引导注意力机制 卷积神经网络-双向长短期记忆(CNN-BiLSTM)网络 剩余使用寿命(RUL)预测
原文传递
放射性药物技术机会的动态网络预测与转化应用
15
作者 孙玉璇 关漪澜 +1 位作者 刘云婷 袁红梅 《中国新药杂志》 北大核心 2026年第4期337-344,共8页
目的:通过链路预测分析探索放射性药物技术前沿,识别潜在技术机会,为研发决策提供科学依据。方法:本研究构建包含4个模块的预测分析框架:基于TF-IDF专利文本挖掘;构建关键词共现网络,分析网络特征和交互趋势;采用基于相似性的链路预测算... 目的:通过链路预测分析探索放射性药物技术前沿,识别潜在技术机会,为研发决策提供科学依据。方法:本研究构建包含4个模块的预测分析框架:基于TF-IDF专利文本挖掘;构建关键词共现网络,分析网络特征和交互趋势;采用基于相似性的链路预测算法,识别潜在技术机会;通过增长速度、技术影响力等指标评估技术机会。结果:1969—2023年专利数据表明,放射性药物领域呈现持续创新态势;网络分析显示技术交互呈现小世界特征,技术交互程度高;链路预测结果识别出多个潜在技术机会,发现药物与Trop2、CD47等靶点具有显著关联潜力。结论:由链路预测算法得出的推荐结果能够为企业合作提供决策与参考,并为科研人员选择研究方向提供参考。 展开更多
关键词 放射性药物 专利数据分析 技术生命周期 共现网络分析 链路预测 技术机会发现
原文传递
基于SEGCN-GRU的滚动轴承剩余寿命预测
16
作者 苏兴亮 江海锋 +2 位作者 林勤 阙辉鉴 钟建华 《制造业自动化》 2026年第2期116-125,共10页
机械设备的滚动轴承剩余使用寿命(RUL)的精确预测,对于保证设备的可靠运行以及实施有效的维护措施至关重要,对保障工作人员生命和财产安全具有重大意义。目前,在滚动轴承RUL预测领域,由于缺乏针对不同样本之间相互关系特征的分析与提取... 机械设备的滚动轴承剩余使用寿命(RUL)的精确预测,对于保证设备的可靠运行以及实施有效的维护措施至关重要,对保障工作人员生命和财产安全具有重大意义。目前,在滚动轴承RUL预测领域,由于缺乏针对不同样本之间相互关系特征的分析与提取,以及对振动信号的处理不够灵活,导致滚动轴承RUL预测不够精确。因此,提出了一种基于压缩激励图卷积网络(Squeeze-and-excitation graph convolution Networks, SEGCN)与门控循环单元(Gated recurrent unit, GRU)的模型。首先,通过自适应变分模态分解(Adaptive variational mode decomposition, AVMD)对轴承数据进行预处理。然后,考虑到振动数据在时序维度与特征空间维度的复杂性与非线性,利用压缩激励网络(Squeeze-and-excitation network, SEN)改进图卷积网络。通过压缩激励机制,能够聚合并完全捕获与通道相关的依赖关系,结合GCN能够融合不同时间节点的数据,从而提取出数据之间的相互关系特征。最后,利用门控循环单元识别滚动轴承的不同特征,获得滚动轴承RUL的预测结果。研究结果表明,该模型能够提取各个样本之间的相互关系,对不同工作条件下的滚动轴承RUL预测具有良好的预测精度以及泛化能力。 展开更多
关键词 变分模态分解 压缩激励网络 图卷积神经网络 剩余使用寿命 门控循环单元
在线阅读 下载PDF
改进NOA优化ResNet-BiLSTM的轴承剩余寿命预测
17
作者 段丁彧 李刚 齐金平 《机床与液压》 北大核心 2026年第3期215-223,共9页
在智能制造转型升级进程中,高速列车轴承的剩余使用寿命预测面临三大技术挑战:复杂工况下振动信号的非平稳特征难以表征,设备全生命周期数据稀缺导致的模型泛化瓶颈,以及传统深度学习模型参数优化效率低。为解决上述问题,提出一种改进... 在智能制造转型升级进程中,高速列车轴承的剩余使用寿命预测面临三大技术挑战:复杂工况下振动信号的非平稳特征难以表征,设备全生命周期数据稀缺导致的模型泛化瓶颈,以及传统深度学习模型参数优化效率低。为解决上述问题,提出一种改进星鸦优化算法(NOA)优化残差网络和双向长短期记忆网络(ResNet-BiLSTM)组合模型的滚动轴承剩余寿命预测方法。构建基于峭度-相关系数双准则的变分模态分解(VMD)预处理机制,对原始振动信号进行自适应分解与重构,以抑制噪声与模态混叠,准确提取退化特征。构建ResNet-BiLSTM混合深度学习模型:利用ResNet的残差块强化对时域微弱故障特征的提取能力,通过BiLSTM捕捉退化过程的长期时序依赖关系。针对模型超参数优化难题,引入融合正余弦算法(SCA)的改进星鸦优化算法(SCA-NOA),在参数空间进行高效全局搜索与局部求精。最后,在XJTU-SY和IEEE PHM 2012两个公开轴承全寿命数据集上进行实验验证。结果表明:所提模型在预测精度与泛化性上均显著优于对比模型。在XJTU-SY数据集(轴承A4)上,模型取得了最低的MAE(0.066 8)和RMSE(0.085 1),以及最高的R^(2)(0.926 6);在PHM 2012数据集(轴承B3)上同样表现最优,MAE为0.067 1,RMSE为0.081 1,R^(2)为0.924 3,证明所提模型优越的预测性能。 展开更多
关键词 滚动轴承 剩余寿命预测 改进星鸦算法 残差网络 双向长短期记忆网络
在线阅读 下载PDF
基于融合相似特征的MHSA-TCN轴承寿命预测
18
作者 夏瑞辰 王衍学 +3 位作者 王祎颜 郑峰 张晋瑞 王成明 《机床与液压》 北大核心 2026年第2期33-40,共8页
针对轴承振动信号中噪声干扰显著、退化特征非线性耦合及状态表征模糊等问题,提出一种基于融合相似特征的多头稀疏注意力时序卷积网络(MHSA-TCN),以提升健康指标(HI)构建质量与剩余使用寿命(RUL)预测精度。构建时域、频域和时频域的多... 针对轴承振动信号中噪声干扰显著、退化特征非线性耦合及状态表征模糊等问题,提出一种基于融合相似特征的多头稀疏注意力时序卷积网络(MHSA-TCN),以提升健康指标(HI)构建质量与剩余使用寿命(RUL)预测精度。构建时域、频域和时频域的多维特征,并通过Pearson相关性系数量化特征与退化轨迹的单调性和趋势性关联度,筛选出敏感特征集;基于核主成分分析(KPCA)实现非线性特征融合,构建高信息密度、强退化表征能力的HI,以解决传统线性降维方法在复杂工况下特征解耦的不足;设计融合多头稀疏注意力机制(MHSA)的TCN模型,通过并行稀疏注意力头自适应捕捉多尺度退化特征依赖关系,结合空洞卷积的时序建模能力,提高退化趋势辨识度与噪声鲁棒性;最后,通过PHM2012轴承数据集对所提方法进行验证。实验结果表明:基于融合相似特征的MHSA-TCN方法所构造的HI比RMS更能准确地反映轴承的退化趋势。PHM2012数据集上的验证显示:相比1D-CNN、BiLSTM、TCN方法,MHSA-TCN方法在精确RUL预测方面表现优异,其预测的均方根误差分别降低了34.95%、40.18%和22.09%,决定系数分别提升了8.05%、11.90%和3.30%,验证了该方法在复杂工况下的有效性。 展开更多
关键词 滚动轴承 剩余使用寿命 健康指标 时间卷积网络 稀疏注意力
在线阅读 下载PDF
Analysis of Hops Length in Wireless Sensor Networks 被引量:4
19
作者 Mekkaoui Kheireddine Rahmoun Abdellatif 《Wireless Sensor Network》 2014年第6期109-117,共9页
Wireless sensor networks are provided with a limited source of power. The lifetime of such networks is an overwhelming matter in most network applications. This lifetime depends strongly on how efficiently such energy... Wireless sensor networks are provided with a limited source of power. The lifetime of such networks is an overwhelming matter in most network applications. This lifetime depends strongly on how efficiently such energy is distributed over the nodes especially during transmitting and receiving data. Each node may route messages to destination nodes either through short hops or long hops. Optimizing the length of these hops may save energy, and therefore extend the lifetime of WSNs. In this paper, we propose a theorem to optimize the hop’s length so to make WSN power consumption minimal. The theorem establishes a simple condition on hop’s length range. Computer simulation when performing such condition on Mica2 sensors and Mica2dot sensors reveals good performance regarding WSNs energy consumption. 展开更多
关键词 Wireless Sensor networkS Energy Efficiency MULTI-HOP ROUTING HOP LENGTH network’s life Time
在线阅读 下载PDF
基于MSCNN和LiPFormer的锂电池剩余使用寿命预测方法
20
作者 胡陈艳 于丽娅 +2 位作者 李传江 李孝斌 徐兆 《中国测试》 北大核心 2026年第1期35-46,77,共13页
锂离子电池作为航空航天装备和无人系统的核心能源组件,对其剩余使用寿命(Remaining useful life,RUL)进行精准预测已成为设备健康管理的重要课题。针对锂离子电池容量退化过程中存在的原始数据噪声干扰、多物理尺度和长时间依赖等特性... 锂离子电池作为航空航天装备和无人系统的核心能源组件,对其剩余使用寿命(Remaining useful life,RUL)进行精准预测已成为设备健康管理的重要课题。针对锂离子电池容量退化过程中存在的原始数据噪声干扰、多物理尺度和长时间依赖等特性导致的预测挑战,提出一种融合多尺度卷积神经网络(Multi-Scale Convolutional Neural Network,MSCNN)和轻量化补丁变压器(Light Patch-wise Transformer,LiPFormer)的锂离子电池RUL预测方法。首先,针对噪声干扰问题,引入去噪自编码器(Denoising Autoencoders,DAE)对原始容量退化序列进行噪声抑制与特征重建,提升数据质量并降低异常波动对模型的影响。然后,运用MSCNN对时间序列数据进行多尺度特征提取,充分挖掘不同尺度下的特征信息。设计LiPFormer模块并利用层级化补丁划分策略,在降低计算复杂度的同时,有效建模容量衰减过程中的全局时序依赖关系,融合MSCNN与LiPFormer所提取的特征,以捕捉数据中的空间与时间特征。最后,将联合特征输入全连接层,实现RUL的回归预测。通过在NASA和CALCE电池退化数据集上的大量实验,证明了基于MSCNN和LiPFormer融合的锂电池RUL预测模型具有有效的预测性能,相比其他模型具有更好的鲁棒性和预测精度。 展开更多
关键词 锂离子电池 剩余使用寿命预测 去噪自编码器 多尺度卷积神经网络 TRANSFORMER
在线阅读 下载PDF
上一页 1 2 92 下一页 到第
使用帮助 返回顶部