期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到2,045篇文章
< 1 2 … 103 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
可靠性强化试验技术在电动闸阀故障识别中的应用 被引量：1
1
作者 张林 汤文斌 +4 位作者 刘杰 闫晓 湛力 李明刚 周吴 《流体机械》 北大核心 2025年第3期110-118,共9页
为探究电动闸阀的可靠性及轻微故障识别技术的难点,采用可靠性强化试验技术在非破坏条件下开展电动阀门故障模拟试验,成功获取了2种典型故障模式的响应数据,最后采用决策树、随机森林和梯度提升3种机器学习方法,并结合网格搜索和Actor-C... 为探究电动闸阀的可靠性及轻微故障识别技术的难点,采用可靠性强化试验技术在非破坏条件下开展电动阀门故障模拟试验,成功获取了2种典型故障模式的响应数据,最后采用决策树、随机森林和梯度提升3种机器学习方法,并结合网格搜索和Actor-Critic强化学习2种优化方案,对试验数据进行了分析。结果表明,可靠性强化试验技术能够在不破坏阀门的前提下,低成本、高效地模拟阀门卡滞和卡死故障;电流与振动特征的组合显著提高了故障识别精度,尤其是在随机森林和梯度提升算法中正常数据识别精度达98%,在随机森林和决策树算法中故障数据识别精度最高达到82%;多特征融合有助于充分利用数据的特性提升模型性能;强化学习在提升随机森林性能方面表现出色,振动特征下准确率提升21%,振动电流组合特征下提升15%,电流特征下提升6%;但在梯度提升树中未能显著改善性能,反而导致其产生一定程度的下降;决策树适合处理多特征组合数据,表现出更高的故障识别精度;而随机森林在单一特征和多特征组合下均表现稳定,训练时间和识别精度均具有较高的鲁棒性;梯度提升树在某些特征类型下的表现波动较大,应针对其特点进行进一步优化;在实际工业故障诊断中,应优先考虑随机森林和决策树算法,结合多特征融合和优化方法以提升分类性能。研究可为电动闸阀的故障识别提供参考。 展开更多
关键词 电动阀门 可靠性强化 故障模拟 故障识别
在线阅读 下载PDF
基于多维高斯贝叶斯的造纸机械传动系统故障识别 被引量：3
2
作者 张强 冯晖 《造纸科学与技术》 2025年第1期83-87,共5页
因造纸机械传动系统的振动信号具有非线性、非平稳及强噪声干扰等特点,导致其故障特征干扰维度较多,从而影响了故障识别效果。为提高造纸机械的运行效率,现提出基于多维高斯贝叶斯的造纸机械传动系统故障识别,结合LMD分解法,对传动信号P... 因造纸机械传动系统的振动信号具有非线性、非平稳及强噪声干扰等特点,导致其故障特征干扰维度较多,从而影响了故障识别效果。为提高造纸机械的运行效率,现提出基于多维高斯贝叶斯的造纸机械传动系统故障识别,结合LMD分解法,对传动信号PF分量进行提取,并对其进行相关性分析,通过构建PF分量矩阵,并计算出协方差矩阵,对特征值以及特征向量进行求解,从而根据特征值大小选取出主成分。结合多维高斯贝叶斯算法,利用故障样本估计各故障类别的多维高斯分布参数;计算新样本属于各故障类别的后验概率,选取概率最大者作为识别结果,输出故障识别结果。在实验中,对提出的方法进行了识别精度的检验。最终的测试结果表明,采用提出的方法对造纸机械传动系统进行故障识别时,算法的正向样本覆盖率较高,具有较为理想的识别效果。 展开更多
关键词 造纸机械 传动系统 故障识别 多维高斯贝叶斯 识别精度
原文传递
基于VAE与TabNet的电气化铁路接触网故障识别方法研究 被引量：1
3
作者 刘家军 马馨秀 汪洪亮 《电力电容器与无功补偿》 2025年第4期81-87,共7页
接触网承担着向沿线电力机车输送电能的重要任务,一旦发生故障会直接影响列车安全运行,因此研究接触网故障识别方法十分必要。本文提出了一种基于VAE与TabNet的故障识别方法,首先采用ANSYSWorkbench软件建立弓网耦合模型,获取不同故障... 接触网承担着向沿线电力机车输送电能的重要任务,一旦发生故障会直接影响列车安全运行,因此研究接触网故障识别方法十分必要。本文提出了一种基于VAE与TabNet的故障识别方法,首先采用ANSYSWorkbench软件建立弓网耦合模型,获取不同故障下的弓网接触力变化;其次利用变分自编码器算法扩充故障仿真数据,提升模型的泛化能力;最后通过TabNet模型进行故障类型的识别,识别准确率达到96%,并与其他传统分类算法对比。实验结果表明,所提方法在接触网故障识别方面表现出了优越的性能。 展开更多
关键词 接触网 故障识别 弓网耦合模型 TabNet 变分自编码器
在线阅读 下载PDF
基于小波散射变换和Shuffle-PMDA的永磁同步电机故障识别
4
作者 毕贵红 李玉洪 +2 位作者 赵四洪 陈仕龙 张靖超 《电工技术学报》 北大核心 2025年第19期6223-6241,6256,共20页
针对永磁同步电机(PMSM)早期同相匝间短路和绕组间短路故障信号特征微弱、故障程度难以区分,以及基于深度学习的故障诊断模型参数量大、计算成本高、难以挖掘深层次隐藏特征等问题,该文提出一种基于小波散射变换(WST)和轻量化卷积网络Sh... 针对永磁同步电机(PMSM)早期同相匝间短路和绕组间短路故障信号特征微弱、故障程度难以区分,以及基于深度学习的故障诊断模型参数量大、计算成本高、难以挖掘深层次隐藏特征等问题,该文提出一种基于小波散射变换(WST)和轻量化卷积网络Shuffle模块与并行多尺度注意力机制(PMDA)组合的新型故障识别方法。WST能够增强匝间短路和绕组间短路故障信号的微弱特征,并在一定程度上减少数据维度,同时保持各故障程度的可区分性。轻量化卷积网络Shuffle模块与PMDA组合模型能够深入挖掘和学习输入样本的故障信息特征,通过引入多尺度注意力机制对特征进行权重划分,重点关注重要信息,实现特征的重要性区分。实测数据实验表明,所提方法在故障特征最微弱的不同程度绕组间短路故障情况下仍取得了显著的识别效果,为实现高效轻量化、可现场部署的实时故障诊断模型提供了基础。 展开更多
关键词 永磁同步电机 故障识别 小波散射变换 深度学习 Shuffle-PMDA模型
在线阅读 下载PDF
用于矿山皮带输送机滚动轴承故障识别的Xception-CNN模型
5
作者 权国辉 邰金华 +1 位作者 张庆莉 薛春霞 《金属矿山》 北大核心 2025年第10期149-158,共10页
针对矿山皮带输送机滚动轴承故障振动信号噪声大、故障特征提取困难的问题,提出了一种结合信号优化预处理与深度学习的故障识别模型。该模型首先利用鲸鱼优化算法(Whale Optimization Algorithm,WOA)优化的变分模态分解(Variational Mod... 针对矿山皮带输送机滚动轴承故障振动信号噪声大、故障特征提取困难的问题,提出了一种结合信号优化预处理与深度学习的故障识别模型。该模型首先利用鲸鱼优化算法(Whale Optimization Algorithm,WOA)优化的变分模态分解(Variational Mode Decomposition,VMD)方法,对原始振动信号进行自适应降噪与重构以精准提取故障特征。然后,将重构后的信号转换为二维灰度图,作为模型的输入。最后,在识别分类阶段构建了一种改进的Extreme Inception(Xception)和卷积神经网络(Extreme Inception and Convolutional Neural Network,Xception-CNN)模型。该模型融合了Xception架构的深度可分离卷积优点以更高效地利用计算资源,同时引入了通道注意力机制以增强对关键故障特征的关注,并嵌入残差学习模块以缓解深层网络的梯度消失问题,最终实现端到端的故障状态智能分类。结果表明:Xception-CNN故障识别模型在测试集上实现了98.61%的最高识别准确率,F1分数达到0.985;在强噪声(信噪比为10 dB)干扰下,该模型准确率仍保持在98.61%,显著优于对比方法,具有较好的鲁棒性。同时,模型参数量仅为42.7 MB,单样本推理耗时仅12.3 ms,在保证高精度的同时具备良好的工程应用效率。 展开更多
关键词 滚动轴承 故障识别 信号处理 鲸鱼优化算法 变模态分解 卷积神经网络
在线阅读 下载PDF
基于二次分解时频图和SE-DSMC-BSA的轻量化有载分接开关机械故障识别方法
6
作者 李思奇 夏卯 +4 位作者 鲁思兆 毕贵红 黄一超 阮彦俊 李良创 《振动与冲击》 北大核心 2025年第11期268-279,308,共13页
有载分接开关(on-load tap-changer,OLTC)是有载调压变压器中唯一可动的部件,其频繁切换易导致机械故障。为了实现OLTC机械状态的在线监测,文中提出一种结合二次分解时频图、深度可分离多尺度卷积(depthwise separable multiscale convo... 有载分接开关(on-load tap-changer,OLTC)是有载调压变压器中唯一可动的部件,其频繁切换易导致机械故障。为了实现OLTC机械状态的在线监测,文中提出一种结合二次分解时频图、深度可分离多尺度卷积(depthwise separable multiscale convolution,DSMC)、挤压-激励(squeeze-excitation,SE)注意力机制和广播自注意力(broadcast self-attention,BSA)机制的轻量化OLTC故障识别方法。首先,建立OLTC故障模拟试验平台获取振动信号。在此基础上,引入二次分解和Hilbert变换,将两次分解的分量全部转换为时频图。然后,利用SE-DSMC对时频图进行多尺度的特征提取,并进行通道特征增强。最后,引入BSA对全局特征进行提取,以提升故障识别的准确率。与现有方法相比,该方法特别是在小样本情况下具有识别速度快、准确率高和轻量化等优势。 展开更多
关键词 有载分接开关(OLTC) 故障识别 二次分解 挤压-激励(SE) 深度可分离多尺度卷积(DSMC) 广播自注意力(BSA) 轻量化
在线阅读 下载PDF
基于UFPN-Fuse网络的变电站设备故障识别
7
作者 邓长征 弓萌庆 +2 位作者 付添 刘明泽 夏鹏雨 《红外技术》 北大核心 2025年第8期1027-1034,共8页
针对现有基于深度学习的变电站设备故障识别方法中所存在的空间定位与信息提取兼容性差的问题,本文提出基于UFPN-Fuse网络的故障识别方法。先将故障设备红外图像用改进U-Net网络进行分割,提取故障点特征,然后用故障特征与原红外图像在改... 针对现有基于深度学习的变电站设备故障识别方法中所存在的空间定位与信息提取兼容性差的问题,本文提出基于UFPN-Fuse网络的故障识别方法。先将故障设备红外图像用改进U-Net网络进行分割,提取故障点特征,然后用故障特征与原红外图像在改进FPN-Fuse网络中进行图像融合,达到强化故障点红外图像轮廓的目的。通过这种方式,既增强图像视觉效果完成故障定位,又极大保留了故障的细节信息。实验结果表明,本文算法相较于对比算法,SF平均提升7.83%,MI平均提升7.48%,AG平均提升10.62%,VIF平均提升8.38%。 展开更多
关键词 变电站设备 故障识别 分割 故障特征 红外图像 图像融合
在线阅读 下载PDF
基于故障电流特征的多端柔性直流电网故障识别
8
作者 付华 张辉 《电源学报》 北大核心 2025年第5期174-184,共11页
为满足多端柔性直流电网保护的快速性和可靠性要求,提出1种基于故障电流分量的故障识别方案。方案利用故障电流行波分量的传播过程,对区内和区外故障时的电流进行分析,通过故障电流的变化差异对区内外故障进行识别;将双极线路解耦得到... 为满足多端柔性直流电网保护的快速性和可靠性要求,提出1种基于故障电流分量的故障识别方案。方案利用故障电流行波分量的传播过程,对区内和区外故障时的电流进行分析,通过故障电流的变化差异对区内外故障进行识别;将双极线路解耦得到线模分量,故障电流线模分量的极性可作方向性判据;用计算得到的正、负极故障电流的平均值之比来实现故障的选极。在PSCAD/EMTDC中建立多端柔性直流输电线路仿真模型,仿真结果表明,所提的故障识别方法无需两端通信,仅利用单端故障电流特征量就能对各种故障进行快速、准确地辨识,且具有一定的抗过电阻能力,满足柔直输电的故障保护要求。 展开更多
关键词 柔性直流输电 故障识别 故障电流 故障选极 线模电流
在线阅读 下载PDF
基于迁移学习和微调的抽油机故障识别研究
9
作者 李建平 吴江 《计算机与数字工程》 2025年第2期558-563,共6页
针对目前抽油机井上故障的检测方法主要通过人工现场检测不足以达到实时效果,且市场上可用的抽油机数据较少等问题,论文提出一种基于迁移学习和微调的三维残差网络模型,通过少量数据对模型的高层卷积进行微调再训练,将Kinetics预训练模... 针对目前抽油机井上故障的检测方法主要通过人工现场检测不足以达到实时效果,且市场上可用的抽油机数据较少等问题,论文提出一种基于迁移学习和微调的三维残差网络模型,通过少量数据对模型的高层卷积进行微调再训练,将Kinetics预训练模型转化为适合抽油机故障识别任务的深度学习模型,最终通过Pytorch深度学习框架进行算法优化实现。实验结果显示,经过200次迭代后,不同模型均趋于收敛,微调后的模型测试结果在精度上高于普通迁移学习20%。 展开更多
关键词 抽油机 深度学习 残差网络 迁移学习 故障识别 微调策略
在线阅读 下载PDF
基于AEO与VMD的船舶机械早期轴承故障识别研究
10
作者 郭敏 《机械管理开发》 2025年第3期82-84,共3页
针对目前船舶机械早期轴承故障识别信号弱等问题,研究融合解析能量算子和最优变分模态分解算法,提出一种适用于船舶机械早期轴承故障诊断方法。实例实验结果显示最优变分模态分解后,内涵模态分量7的峭度值最高,表明其包含着较为明显的... 针对目前船舶机械早期轴承故障识别信号弱等问题,研究融合解析能量算子和最优变分模态分解算法,提出一种适用于船舶机械早期轴承故障诊断方法。实例实验结果显示最优变分模态分解后,内涵模态分量7的峭度值最高,表明其包含着较为明显的故障信息,计算该分量的包络谱结果发现基于的船舶机械早期轴承故障识别方法可以将早期故障识别时间提前到5200 min,能有效识别同类型早期机械设备故障,确保其安全运行。 展开更多
关键词 AEO算法 VMD算法 机械设备 故障识别 船舶
在线阅读 下载PDF
基于数学形态学和Pearson相关系数的风电变流器开路故障识别方法 被引量：2
11
作者 卢奥煊 季天瑶 +2 位作者 李梦诗 莫春 郑欣 《电工技术学报》 北大核心 2025年第11期3446-3459,共14页
由于风电机组工作环境恶劣,电力电子设备脆弱,变流器故障成为风电机组的常见故障之一。而变流器在风力发电系统中起到优化运行的作用,因此针对变流器开路故障的检测与识别至关重要。现有的检测方法存在鲁棒性不强及计算复杂的问题,为此... 由于风电机组工作环境恶劣,电力电子设备脆弱,变流器故障成为风电机组的常见故障之一。而变流器在风力发电系统中起到优化运行的作用,因此针对变流器开路故障的检测与识别至关重要。现有的检测方法存在鲁棒性不强及计算复杂的问题,为此该文提出一种同时基于直流母线电压和转子电流的故障识别方法。该方法基于数学形态学提取直流母线电压故障特征实现故障检测;基于Pearson相关系数提取转子侧三相电流波形特征定位故障相;基于电流平均值定位故障桥臂。该方法计算过程简单,可以准确识别变流器功率管的单管和双管故障,理论推导证明了所提方法的有效性和可靠性。仿真算例考虑了风速波动、负载波动和噪声环境的影响,结果表明所提方法具有较高的准确率及较强的鲁棒性。 展开更多
关键词 变流器 开路故障 故障识别 数学形态学 Pearson相关系数
在线阅读 下载PDF
基于抽油机工况的特征提取与建立和全域故障识别 被引量：1
12
作者 任泰珠 樊军 蒋夏新 《机械强度》 北大核心 2025年第1期12-19,共8页
针对目前抽油机井下工况故障特征分类任务难以解决,使得所建立诊断模型适应性差且识别率低的问题,通过对抽油机阀门和抽油杆运动状态的分析,首先将示功图进行数学形态学预处理;然后提出阀门开闭点获取和载荷变化特征获取的两种方法,提... 针对目前抽油机井下工况故障特征分类任务难以解决,使得所建立诊断模型适应性差且识别率低的问题,通过对抽油机阀门和抽油杆运动状态的分析,首先将示功图进行数学形态学预处理;然后提出阀门开闭点获取和载荷变化特征获取的两种方法,提取到抽油机全域故障的54个全新特征,建立了抽油机工况的特征库;最后运用决策树、Logistic回归和支持向量机算法,验证了在不同工况下,该特征库均具有较好的分类效果,评估了不同故障的工况特征指标,得到各工况私有规则库。研究结果表明,提取的特征能够有效识别出抽油机全域故障,并且具有较高的识别精度。 展开更多
关键词 抽油机 示功图 特征提取 故障识别 阀门
在线阅读 下载PDF
基于小波包分解卷积神经网络的停运输电线路故障识别方法 被引量：1
13
作者 王鑫明 王祥宇 +3 位作者 贾晓卜 张飞飞 李少博 胡永强 《电测与仪表》 北大核心 2025年第1期61-67,共7页
当输电线路处于热备用状态时,停运线路上仍可能发生短路故障,准确地判断停运线路的故障状态能有效地避免合闸到故障线路时对电力系统造成冲击并对故障的排除提供便利,因此有必要对停运输电线路进行故障识别。对于双回输电线路提出一种... 当输电线路处于热备用状态时,停运线路上仍可能发生短路故障,准确地判断停运线路的故障状态能有效地避免合闸到故障线路时对电力系统造成冲击并对故障的排除提供便利,因此有必要对停运输电线路进行故障识别。对于双回输电线路提出一种采用小波包分解生成的频谱图作为卷积神经网络(convolutional neural network,CNN)输入进行特征提取的停运线路故障识别方法。为减少人为提取特征产生的误差,首先对停运输电线路故障时三相电压暂态波形进行测量,采用小波包分解得到三相电压波形时频特性,最终通过CNN提取特征并进行故障分类。为验证该方法的故障识别效果,以河北省3条线路的实际数据为基础,在ATP-EMTP中建立500 kV同塔双回输电线路模型,为模拟现场各因素产生的误差在测得电压波形中加入10 dB高斯白噪声。结果表明,对热备用线路上故障状态识别准确率为99.98%,在一定程度上为停运线路的故障诊断及排除提供了参考。 展开更多
关键词 同塔双回输电线路 感应电压 小波包分解 时频分析 卷积神经网络 故障识别
在线阅读 下载PDF
基于医疗大数据结合人工智能算法在呼吸机故障识别与预防性维护中的应用 被引量：4
14
作者 宫昕晨 温林 《中国医疗设备》 2025年第3期41-48,共8页
目的提出一种基于粒子群优化(Particle Swarm Optimization,PSO)算法和反向传播(Back Propagation,BP)神经网络模型的呼吸机故障识别与预防性维护策略,旨在提高呼吸机设备管理、维修水平,为呼吸机预防性维护提供参考。方法选取2017—202... 目的提出一种基于粒子群优化(Particle Swarm Optimization,PSO)算法和反向传播(Back Propagation,BP)神经网络模型的呼吸机故障识别与预防性维护策略,旨在提高呼吸机设备管理、维修水平,为呼吸机预防性维护提供参考。方法选取2017—2023年我院使用的呼吸机日常质量控制数据、临床使用数据、环境数据等多模态数据为研究对象,介绍PSO算法,建立粒子群优化-反向传播(PSO-BP)模型,同时引入K近邻(K-Nearest Neighbor Classification,KNN)模型、支持向量机(Support Vector Machine,SVM)模型以及极端梯度提升(eXtreme Gradient Boosting,XGBoost)模型作为对比模型,并选择准确度(Accuracy,ACC)、精准度(Precision,PRE)、召回率、F1得分以及曲线下面积(Area Under Curve,AUC)对模型进行评价。结果训练后的PSO-BP模型ACC、PRE、召回率、F1得分及AUC值分别为90.05%、91.00%、89.30%、0.90以及0.88;相对于KNN、SVM、XGBoost以及BP模型,PSO-BP模型识别ACC分别提高了6.64%、4.50%、3.32%、7.35%;召回率、F1得分及AUC值在一定程度上也得到了提高。模型最优阈值为0.6768,呼吸机安全区、稳定区、危险区以及高危区区间分别为[0,0.3384]、(0.3384,0.6768]、(0.6768,0.8384]、(0.8384,1.0000]。结论通过高通量医疗大数据建立的PSO-BP模型可有效识别呼吸机故障,并可使用定量数据为呼吸机预防性维护提供参考,具有一定的理论和实际应用意义。 展开更多
关键词 PSO-BP模型 故障识别 预防性维护 K近邻模型 支持向量机 极端梯度提升 高通量数据
在线阅读 下载PDF
基于多特征融合神经网络的发光连接故障识别技术
15
作者 杨鹏涛 吕亮 +2 位作者 朱恺 汲胜昌 徐阳 《消防科学与技术》 北大核心 2025年第10期1530-1539,共10页
电气线路中因接触不良引起的发光连接故障极易诱发电气火灾,但发生发光连接故障的位置常常是未知的。为了解决检测困扰,搭建了发光连接试验平台,将检测重点聚焦为发光连接试验回路的回路电流,提取其时域、频域及时频域特征。针对实际场... 电气线路中因接触不良引起的发光连接故障极易诱发电气火灾,但发生发光连接故障的位置常常是未知的。为了解决检测困扰,搭建了发光连接试验平台,将检测重点聚焦为发光连接试验回路的回路电流,提取其时域、频域及时频域特征。针对实际场景中样本量少、数据不平衡问题,建立基于Wasserstein梯度惩罚生成对抗网络,用于数据增强。最后搭建一维卷积神经网络,对实验室得到的新样本进行识别。试验结果表明:发光连接故障与正常状态的回路电流在5~15 kHz特征频段可以进行区分。所搭建的发光连接故障识别模型训练准确率达99.93%,成功实现了实验室得到的15组回路状态的故障识别。 展开更多
关键词 电气火灾 发光连接 神经网络 多特征融合 故障识别 电弧
在线阅读 下载PDF
基于小波变换与TKEO的故障识别与定位方法研究
16
作者 王海龙 何山 +1 位作者 胡帅 王维庆 《电力系统保护与控制》 北大核心 2025年第14期177-187,共11页
在含有储能的光伏制氢系统中,故障类型的准确识别及精确定位对其安全稳定运行具有重要意义。针对短距离直流输电系统故障识别与定位精准度低、快速性差的问题,提出一种基于小波变换(wavelet transform, WT)和Teager-Kaiser能量算子(Teag... 在含有储能的光伏制氢系统中,故障类型的准确识别及精确定位对其安全稳定运行具有重要意义。针对短距离直流输电系统故障识别与定位精准度低、快速性差的问题,提出一种基于小波变换(wavelet transform, WT)和Teager-Kaiser能量算子(Teager-Kaiserenergyoperator, TKEO)的双端行波故障测距方法。首先对故障信号进行小波变换,使用软阈值进行去噪并重构信号。提取并分析每个小波分解层的特征信息,根据高低频分解层能量的比值判定故障类型。其次采用TKEO法提取出经小波分解后的瞬时能量谱,精确标定首个波头到达直流线路两端的采样点。然后采用双端测距法精确求解出故障距离。最后在Matlab/Simulink中搭建光伏直流制氢系统进行仿真验证。结果表明,所提方法对故障类型的识别和定位具有较高的准确性。 展开更多
关键词 直流微电网 故障识别 Teager-Kaiser能量算子 故障定位
在线阅读 下载PDF
基于多尺度空洞卷积神经网络的滚动轴承故障识别方法
17
作者 汪小虎 赵荣珍 +1 位作者 邓林峰 郑玉巧 《兰州理工大学学报》 北大核心 2025年第3期55-63,共9页
针对现有卷积神经网络模型参数偏多导致滚动轴承智能诊断效率低和识别准确率受限于训练样本数量的问题,提出了基于多尺度空洞卷积神经网络的滚动轴承故障识别方法.该方法首先在模型的输入层采用大尺寸的空洞卷积核和标准卷积核提取一维... 针对现有卷积神经网络模型参数偏多导致滚动轴承智能诊断效率低和识别准确率受限于训练样本数量的问题,提出了基于多尺度空洞卷积神经网络的滚动轴承故障识别方法.该方法首先在模型的输入层采用大尺寸的空洞卷积核和标准卷积核提取一维振动信号的多尺度敏感特征,然后使用尺寸为1×1和3×1的小卷积核以及2×1的最大池化操作对输入层所提取敏感特征进一步提取深层抽象特征,最后用全局平均池化层代替传统卷积神经网络的全连接层.同时,分别采用西储大学轴承故障数据和实验室轴承故障数据进行实验验证.结果表明,该方法泛化性能良好,并且能够在训练样本较少的情况下出色地完成故障识别任务,即使在一定噪声干扰下也能够对轴承微弱故障准确识别. 展开更多
关键词 多尺度空洞卷积神经网络 滚动轴承 故障识别 小样本 微弱故障
在线阅读 下载PDF
基于LCC 注入信号归一化面积差的混合多端直流输电系统永久性故障识别方案
18
作者 高超 侯俊杰 +3 位作者 樊艳芳 宋国兵 吴小芳 李鹏霄 《电力系统保护与控制》 北大核心 2025年第11期14-29,共16页
为避免混合多端直流输电系统重合于永久性故障对系统造成二次危害,提出一种基于电网换相型换流器(line commutation converter,LCC)注入信号的永久性故障识别方案。首先,利用LCC的故障控制能力,对LCC触发角施加附加控制策略实现信号注入... 为避免混合多端直流输电系统重合于永久性故障对系统造成二次危害,提出一种基于电网换相型换流器(line commutation converter,LCC)注入信号的永久性故障识别方案。首先,利用LCC的故障控制能力,对LCC触发角施加附加控制策略实现信号注入,分析确定了注入信号的频率、时长、幅值,提出一种基于LCC的信号注入策略。其次,分析了不同故障性质下信号注入后电压在分布参数模型下的差异性,发现了不同故障性质下由于线路模型差异导致本端电压测量值与对端电压计算值幅值差异明显。最后,结合上述幅值差异性构造归一化面积差,实现永久性故障识别。结合PSCAD/EMTDC仿真结果可得,所提方案仅利用单端数据,不受数据通信影响,且无需仿真整定,能够可靠识别永久性故障,可以耐受400Ω过渡电阻和40 dB噪声干扰,适用于1500 km及以下长度线路。 展开更多
关键词 混合多端直流输电系统 永久性故障识别 注入信号 幅值差异 归一化面积差
在线阅读 下载PDF
基于多重分形谱多项式拟合的雷击与故障识别方法
19
作者 刘艳云 贾文超 +3 位作者 高岩 姜延卓 戴志辉 梁英 《南方电网技术》 北大核心 2025年第5期102-110,共9页
为了解决高压直流输电线路保护易受雷击干扰影响的问题,提出了一种基于多重分形谱二次多项式拟合的直流输电线路雷击干扰与故障识别的新方法,这是首次将多重分形谱算法应用于区分雷击和区内故障。该方法通过计算电压暂态信号的多重分形... 为了解决高压直流输电线路保护易受雷击干扰影响的问题,提出了一种基于多重分形谱二次多项式拟合的直流输电线路雷击干扰与故障识别的新方法,这是首次将多重分形谱算法应用于区分雷击和区内故障。该方法通过计算电压暂态信号的多重分形谱,并利用其二次多项式拟合函数的最高次项系数来表征电压信号的波动程度,从而实现对雷击干扰与故障情况的辨识。仿真结果显示,该方法不仅能准确识别雷击干扰和故障,而且识别速度快。此外,多项式拟合系数能够更好地表征不同信号的波动差异。因此,该方法可作为高压直流输电线路保护的一种辅助判据,对于进一步提高高压直流输电线路保护的可靠性具有重要意义。 展开更多
关键词 雷击干扰 多重分形谱 多项式拟合 故障识别 辅助判据
在线阅读 下载PDF
基于多源日志语义分析的异构超算平台作业故障识别方法
20
作者 胡鹤 赵毅 +1 位作者 顾蓓蓓 赵芸卿 《计算机工程与科学》 北大核心 2025年第9期1535-1543,共9页
为了充分利用高性能计算环境资源并提升作业完成效率,提出了一种面向大规模分布式高性能异构平台的作业故障识别方法,通过对作业运行时的日志数据进行分析来发现异常。然而,海量的日志数据对人类而言缺乏直观性,难以快速理解。因此,基... 为了充分利用高性能计算环境资源并提升作业完成效率,提出了一种面向大规模分布式高性能异构平台的作业故障识别方法,通过对作业运行时的日志数据进行分析来发现异常。然而,海量的日志数据对人类而言缺乏直观性,难以快速理解。因此,基于多源日志语义分析,利用潜在狄利克雷分布主题LDA模型对作业运行过程中多个来源的日志进行语义分析,构建主题随时间变化的序列模型,并通过与历史故障作业的序列模型进行匹配,实现对作业异常的预测。在某国产异构高性能计算平台上开展的实验结果表明,所提方法在作业异常识别方面表现优异,识别精度高达95.2%。该方法不仅增强了作业异常的预知能力,还能够协助用户和系统管理员快速定位异常原因,从而显著提升了高性能计算环境的可用性。 展开更多
关键词 数据处理 故障识别 混合异构 语义分析 潜在狄利克雷分布
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 2 … 103 下一页 到第 页
使用帮助 返回顶部