基于GASF多通道图像时序融合的高速列车横向减振器故障诊断

1

作者 李刚 秦永峰 齐金平 《振动与冲击》 北大核心 2025年第15期144-152,191,共10页

由于高速列车在运行的过程中悬挂系统产生的振动信号是典型的复杂度高,耦合性和不确定性强的非线性信号,为弥补一维信号在故障诊断时的局限性,利用格拉姆角场(Gramian angular field,GAF)处理时间序列信号的敏感性以及对非线性信号的适... 由于高速列车在运行的过程中悬挂系统产生的振动信号是典型的复杂度高,耦合性和不确定性强的非线性信号,为弥补一维信号在故障诊断时的局限性,利用格拉姆角场(Gramian angular field,GAF)处理时间序列信号的敏感性以及对非线性信号的适应性,提出了一种基于一维(1D)时序信号和二维(2D)格拉姆角和场(Gramian angular summation field,GASF)特征融合的卷积神经网络结合门控循环单元网络融合多头自注意力机制(1D-2D-CNN-GRU-MSA)的故障诊断方法。首先,将一维的时序信号编码为二维的GASF图,再分别将一维的时序信号与二维的GASF图同时送入到两条并行的网络支路中,其中:一路为图像输入经卷积神经网络(convolutional neural networks,CNN)提取GASF图像的特征;另一路将一维的故障波形直接输入经门控循环网络单元(gated recurrent unit,GRU)提取时序特征,通过多头自注意力机制(multi-head self-attention,MSA)将二维图像特征和一维时序特征进行特征重点强化并降维融合,最后通过Softmax层对高速列车横向减振器故障进行分类。仿真试验证明,不同工况下1D-2D-CNN-GRU-MSA模型比两种主流模型进行高速列车横向减振器故障识别的准确率高。 展开更多

关键词 高速列车 格拉姆角和场(gasf) 卷积神经网络(CNN) 多头自注意力机制(MSA) 门控循环单元(GRU)

在线阅读 下载PDF 职称材料

基于GASF-CNN模型的变压器励磁涌流识别研究

2

作者 张鑫 疏佳铭 +3 位作者 陈龙翔 徐天乐 孙晓霞 李小鹏 《微型电脑应用》 2025年第8期111-115,共5页

为了准确识别变压器励磁涌流和内部故障,以格拉姆求和角场(GASF)变换及图形化增强三相差动电流特征,并通过AlexNet改进模型对GASF彩色图进行分类,实现励磁涌流识别。采用励磁涌流仿真模型构建训练集和测试集,测试结果表明:通过对AlexNe... 为了准确识别变压器励磁涌流和内部故障,以格拉姆求和角场(GASF)变换及图形化增强三相差动电流特征,并通过AlexNet改进模型对GASF彩色图进行分类,实现励磁涌流识别。采用励磁涌流仿真模型构建训练集和测试集,测试结果表明:通过对AlexNet的改进使其对单张GASF彩色图的计算时间缩减到1.2 ms;通过对单次样本S1的分析计算,励磁涌流识别准确率达92.7%,通过对S1、S2两次样本的分析计算,准确率接近100%;所提模型正确开放保护的平均延时为7.0116 ms,为变压器励磁涌流识别提供了一种有效的解决方案。 展开更多

关键词 变压器 励磁涌流 变压器故障 gasf变换 AlexNet改进模型

在线阅读 下载PDF 职称材料

基于GASF及双输入AlexNet-SVM的变压器励磁涌流检测

3

作者 王子伟 疏佳铭 +2 位作者 陆斌 张敏 倪继文 《机械与电子》 2025年第8期30-39,共10页

针对励磁涌流易于引发电力变压器差动保护误动作的问题,提出一种基于格拉姆角和场(GASF)及双输入AlexNet-SVM的变压器励磁涌流检测方法,旨在提升励磁涌流检测的准确性并缩短检测时间。首先,采用GASF变换及图像编码将三相差动电流转换为... 针对励磁涌流易于引发电力变压器差动保护误动作的问题,提出一种基于格拉姆角和场(GASF)及双输入AlexNet-SVM的变压器励磁涌流检测方法,旨在提升励磁涌流检测的准确性并缩短检测时间。首先,采用GASF变换及图像编码将三相差动电流转换为彩色图,提升励磁涌流与内部故障的工况特征区分度。其次,针对励磁涌流检测的快速性需求对AlexNet进行轻量化设计,并采用SVM作为分类器构建了AlexNet-SVM模型。最后,用不同的采样方式构建了4个励磁涌流检测模型,即单输入AlexNet-SVM模型、扩维单输入AlexNet-SVM模型、并行双输入AlexNet-SVM模型和级联双输入AlexNet-SVM模型;并采用励磁涌流及内部故障仿真数据集对多模型进行了测试和评估。结果表明,级联双输入AlexNet-SVM模型可在取得100%准确率的同时将模型平均检测时间降到10.51 ms,实现了励磁涌流检测准确性和实时性的同步提升。 展开更多

关键词 电力变压器 励磁涌流 内部故障 gasf变换 双输入AlexNet-SVM模型 支持向量机

在线阅读 下载PDF 职称材料

基于GASF-BMKELM的滚动轴承故障诊断方法

4

作者 杨锡发 王林军 +3 位作者 邹腾枭 吴振雄 李响 陈保家 《三峡大学学报(自然科学版)》 北大核心 2025年第4期96-103,共8页

针对传统故障诊断方法难以充分提取故障信息以及神经网络依赖初始参数选择的问题,提出一种基于格拉姆角和场(Gramian angular summation field,GASF)与贝叶斯优化多核极限学习机(Bayesian optimization multi-kernel extreme learning m... 针对传统故障诊断方法难以充分提取故障信息以及神经网络依赖初始参数选择的问题,提出一种基于格拉姆角和场(Gramian angular summation field,GASF)与贝叶斯优化多核极限学习机(Bayesian optimization multi-kernel extreme learning machine,BMKELM)的故障诊断方法.首先,应用小波包节点对数能量与格拉姆角和场(GASF)将原始振动信号变换为小波包对数能量图特征;其次,使用多项式核函数与径向基核函数加权组合构建多核极限学习机(multi-kernel extreme learning machine,MKELM),同时,利用贝叶斯优化算法优化多核极限学习机的参数来提升诊断模型的故障识别能力;最后,以小波包对数能量图特征作为输入,再使用BMKELM模型完成故障特征识别与分类.通过两个数据集进行验证分析,实验结果表明,所提方法的准确率分别为99.39%和98.89%,具有较高的故障识别率和稳定性. 展开更多

关键词 滚动轴承 格拉姆角和场 小波包对数能量图 多核极限学习机 贝叶斯优化算法 故障诊断

在线阅读 下载PDF 职称材料

基于GASF及神经网络的多周期脉象信号识别分类研究 被引量：2

5

作者 刘轩吉 刘光浚 +3 位作者 邓威 郝龙辉 王维广 陈占春 《中华中医药学刊》 CAS 北大核心 2024年第10期22-27,I0003,I0004,共8页

目的旨在解决一维时序的脉象信号特征提取阶段参数量不够以及一维信号转化为二维序列图像时逆运算缺失和数据与时序关系模糊等问题。方法提出了基于无分段聚合近似(PAA)的格拉姆和角场(GASF)及深度学习网络模型相结合的一维脉象信号多... 目的旨在解决一维时序的脉象信号特征提取阶段参数量不够以及一维信号转化为二维序列图像时逆运算缺失和数据与时序关系模糊等问题。方法提出了基于无分段聚合近似(PAA)的格拉姆和角场(GASF)及深度学习网络模型相结合的一维脉象信号多周期数据分类方法。首先通过GASF编码将一维脉象信号转换为二维时序图像,然后输入神经网络(TCPNet)进行训练并分类。设置了4273段同样长度的多周期脉象信号作为输入数据集。结果研究发现使用无分段聚合近似的格拉姆角场处理的网络准确率不低于89%。模型最高准确率达到93.61%,精确度为93.63%,F1分数为93.60%,召回率为93.61%。结论基于文章方法建立的脉象分类模型准确率明显提高,力证了分类方法的有效性,也为脉象信号的分类问题提供了新的思路和方法。 展开更多

关键词 多周期脉象信号 脉象识别分类 gasf 卷积神经网络 残差块

原文传递

基于GASF-CNN的高速列车转向架关键部件劣化状态识别研究 被引量：2

6

作者 魏庆 王悦明 +3 位作者 邢璐璐 李国华 杨涛存 杜文然 《中国铁路》 2023年第10期23-31,共9页

为研究高速列车转向架关键部件劣化状态的识别方法,通过统计抗蛇行减振器服役性能参数的分布特征,同时考虑阻尼和节点刚度变化组合形成5种劣化抗蛇行减振器试验工况,选取新踏面廓形和旋修后运行15万km、25万km的磨耗踏面廓形,进行了劣... 为研究高速列车转向架关键部件劣化状态的识别方法,通过统计抗蛇行减振器服役性能参数的分布特征,同时考虑阻尼和节点刚度变化组合形成5种劣化抗蛇行减振器试验工况,选取新踏面廓形和旋修后运行15万km、25万km的磨耗踏面廓形,进行了劣化状态下车辆动力学响应线路测试。基于实测数据,设计并构建基于GASF-CNN的转向架关键部件劣化状态分类辨识模型,以实测车体和构架横向加速度数据作为模型的训练集和测试集进行分类辨识模型训练,并对模型的泛化能力和识别准确度影响因素进行分析。通过优选数据构造方式、数据滤波、滑动窗口长度和数据通道数量,模型达到了较高的分类准确度,且对列车不同运行方向、不同速度级、不同运行环境等也达到了较好的泛化能力。 展开更多

关键词 高速列车 转向架 抗蛇行减振器 磨耗踏面 劣化状态 识别模型 gasf-CNN

在线阅读 下载PDF 职称材料

基于深度网络的可控混合式磁力耦合器退磁诊断

7

作者 王爽 章熙泰 +1 位作者 郭永存 孙守锁 《浙江大学学报(工学版)》 北大核心 2026年第2期279-286,302,共9页

可控混合式磁力耦合器的退磁程度直接影响耦合器的传动性能,准确诊断是保障稳定运行的关键.为此,将格拉姆角和场(GASF)与改进残差网络(ResNet)结合提出退磁故障诊断方法.通过有限元仿真提取耦合器气隙内不同位置的电流密度数据,利用GAS... 可控混合式磁力耦合器的退磁程度直接影响耦合器的传动性能,准确诊断是保障稳定运行的关键.为此,将格拉姆角和场(GASF)与改进残差网络(ResNet)结合提出退磁故障诊断方法.通过有限元仿真提取耦合器气隙内不同位置的电流密度数据,利用GASF方法将一维时序数据转换为二维图像,以增强特征表达能力.在此基础上,将注意力机制嵌入ResNet结构,提升网络对故障细节特征的学习与分类能力.实验表明,所提方法在测试集上的平均诊断准确率为97.67%,较EfficientNet、RepVGG、ViT、AlexNet分别提升15.04、14.73、10.66和9.37个百分点.通过实验平台验证所提方法在可控混合式磁力耦合器退磁故障诊断中的有效性和优越性,该方法对真实退磁故障的识别准确率为96.5%. 展开更多

关键词 磁力耦合器 格拉姆角和场(gasf) 残差网络(ResNet) 注意力机制 故障诊断

在线阅读 下载PDF 职称材料

基于多传感器成像与CNN的电网继保故障检测

8

作者 萧彦 任江波 +3 位作者 何亚坤 张岩坡 薛玉石 李慧鹏 《传感器与微系统》 北大核心 2026年第3期172-178,共7页

为解决传统电网继电保护设备因参数固定导致的故障响应灵敏度不足、上下级保护协调性差等问题,提出一种融合多传感器数据、时间序列成像技术与深度学习的继电保护故障检测及自适应协调方案。该方案首先通过电压、电流传感器采集电网运... 为解决传统电网继电保护设备因参数固定导致的故障响应灵敏度不足、上下级保护协调性差等问题,提出一种融合多传感器数据、时间序列成像技术与深度学习的继电保护故障检测及自适应协调方案。该方案首先通过电压、电流传感器采集电网运行数据,设定4 800 Hz采样频率,确保数据时效性与准确性。随后采用格拉姆角求和场(GASF)将传感器获取的一维时间序列信号转换为二维图像,有效保留信号时域关联特征。进一步基于改进AlexNet卷积神经网络(CNN)构建故障分类模型,实现对单相接地、两相短路、三相短路等8类故障及正常运行状态的精准识别。在故障分类基础上,引入LINKNET方法识别主保护与后备保护继电器配对关系,动态调整继电器参数以保障上下级保护协调配合。基于9节点电网测试系统的实验结果表明,所提故障分类模型在测试集上实现100%分类准确率,且优化求解耗时仅0.047 s。通过自适应调整继电器参数,故障场景下保护动作时间显著缩短,协调时间间隔满足规范要求。 展开更多

关键词 电网继电保护 多传感器信号 格拉姆角求和场 改进AlexNet 卷积神经网络

在线阅读 下载PDF 职称材料

基于ECA-VGG16和迁移学习的砂轮磨损状态识别研究

9

作者 周思康 张明柱 +3 位作者 王宁宁 王一帆 史帅涛 邱明 《机床与液压》 北大核心 2025年第19期103-109,共7页

针对轴承套圈磨削过程中砂轮磨损状态识别精度低的问题,提出一种基于ECA-VGG16和迁移学习的砂轮磨损状态识别方法。采集3种工况下砂轮全寿命周期磨削过程中的声发射信号,并使用格拉姆角和场(GASF)将声发射信号转换为二维图像,构建源域... 针对轴承套圈磨削过程中砂轮磨损状态识别精度低的问题,提出一种基于ECA-VGG16和迁移学习的砂轮磨损状态识别方法。采集3种工况下砂轮全寿命周期磨削过程中的声发射信号,并使用格拉姆角和场(GASF)将声发射信号转换为二维图像,构建源域数据集和目标域数据集。分析不同砂轮进给速度下3种砂轮磨损迁移学习任务,并对所提方法进行验证。结果表明:所提模型在3种多源域数据集中的平均识别准确率达到97.61%,比单源域迁移识别准确率94.04%提高了3.80%,表明通过构建多源域数据集进行迁移学习,可以有效提高砂轮磨损状态的识别准确率;与残差神经网络ResNet、对抗神经网络GAN和域自适应网络DAN相比,所提方法在多源域迁移(A/B→C、A/C→B、B/C→A)中的识别准确率分别为97.00%、97.50%、98.32%,均比上述3种算法得到的识别结果优异。研究结果为当前轴承套圈砂轮磨损状态监测工程应用提供了参考。 展开更多

关键词 砂轮磨损状态识别 迁移学习 ECA-VGG16 格拉姆角和场(gasf) 声发射信号

在线阅读 下载PDF 职称材料

基于格拉姆角和场和改进DenseNet的配电网故障选线方法

10

作者 方豪 魏业文 +1 位作者 张子洵 张轲钦 《电力系统及其自动化学报》 北大核心 2025年第9期109-118,共10页

配电网小电流接地系统发生单相接地故障时,故障特征微弱。针对现有故障选线方法准确率不高、泛化能力差的问题,提出一种基于格拉姆角和场和改进密集型卷积神经网络的故障选线方法。首先,利用格拉姆角和场将线路一维零序电流信号转换为... 配电网小电流接地系统发生单相接地故障时,故障特征微弱。针对现有故障选线方法准确率不高、泛化能力差的问题,提出一种基于格拉姆角和场和改进密集型卷积神经网络的故障选线方法。首先,利用格拉姆角和场将线路一维零序电流信号转换为二维图像;然后,用融合SENet注意力机制的密集型卷积神经网络提取图像中的故障特征信息,用随机森林算法判别故障线路;最后,采用随机搜索算法优化模型参数,得到最优故障选线融合模型。仿真结果表明,相比于其他故障选线方法,所提方法在选线准确率、抗噪性能、泛化能力等方面表现优秀,为小电流接地系统故障选线提供了一种新思路。 展开更多

关键词 小电流接地系统 故障选线 密集型卷积神经网络 格拉姆角和场 SENet注意力机制 随机森林

在线阅读 下载PDF 职称材料

基于深度学习的模块化逆变器故障诊断 被引量：5

11

作者 龙瀚宏 帕孜来·马合木提 《现代电子技术》 2021年第22期31-36,共6页

针对模块化逆变器相似故障难以区分以及一维时间序列信号提取故障特征容易造成信息丢失的问题,文中提出一种基于深度学习的模块化逆变器子模块开路故障诊断方法。该方法将从逆变器模型中采集得到的原始数据进行小波包分解,获取高频特征... 针对模块化逆变器相似故障难以区分以及一维时间序列信号提取故障特征容易造成信息丢失的问题,文中提出一种基于深度学习的模块化逆变器子模块开路故障诊断方法。该方法将从逆变器模型中采集得到的原始数据进行小波包分解,获取高频特征系数,然后通过GASF(格莱姆角求和矩阵)将获得的特征系数转换为二维图片,最后将其作为输入送至ResNet深度残差网络训练模型,实现智能故障诊断。实验结果表明,该算法用于模块化逆变器故障诊断时识别的故障种类达49种,且包含故障特征区别不明显的相似故障,验证精度能达到100%,具有较强的故障诊断能力。为验证所提方法的优劣,设置几种传统的故障特征提取与分类方法进行对比,所提方法为诊断模块化逆变器故障以及为类似一维时间序列信号诊断提供了一种新思路。 展开更多

关键词 模块化逆变器 故障诊断 深度学习 相似故障 小波包分解 gasf转换

在线阅读 下载PDF 职称材料

交直流混合微电网中多单元逆变器故障诊断 被引量：1

12

作者 沈玮 帕孜来·马合木提 《现代电子技术》 2022年第21期155-159,共5页

为提高交直流混合微电网中交流子网上分布式发电单元多个单元逆变器同时发生故障时的诊断识别率,提出一种基于深度学习的交直流混合微电网逆变器中IGBT开路故障的诊断方法。即提取交直流混合微电网中交流子网上分布式电源公共连接点的... 为提高交直流混合微电网中交流子网上分布式发电单元多个单元逆变器同时发生故障时的诊断识别率,提出一种基于深度学习的交直流混合微电网逆变器中IGBT开路故障的诊断方法。即提取交直流混合微电网中交流子网上分布式电源公共连接点的原始信号进行数据预处理;之后再进行小波包分解,获得信号不同频次的特征数据;再将得到的特征数据进行处理,使用GASF(格莱姆角求和矩阵)转化为二维图片;最后输入到ResNet18网络中进行学习训练,实现交直流混合微电网中逆变器开路故障的诊断。通过实验验证,该方法可以区分交直流混合微电网不同发电单元及多个发电单元的逆变器中IGBT开路故障,准确度可达93%。与其他诊断方法进行对比,该方法诊断准确率高,证明其有效性。 展开更多

关键词 混合微电网 分布式电源 逆变器:IGBT开路故障 故障诊断 深度学习 小波包分解 gasf

在线阅读 下载PDF 职称材料

基于多模态图像融合的DCCNN识别电能质量扰动 被引量：4

13

作者 余雷 刘宏伟 孟芸 《现代电子技术》 北大核心 2024年第3期137-142,共6页

为提高电力系统中电能质量扰动识别准确率,提出一种基于多模态图像融合的双通道卷积神经网络算法。首先,为降低传统格拉姆求和场生成特征图的冗余度,提出一种改进的格拉姆求和场;然后,通过改进的格拉姆求和场、马尔可夫转移场和无阈值... 为提高电力系统中电能质量扰动识别准确率,提出一种基于多模态图像融合的双通道卷积神经网络算法。首先,为降低传统格拉姆求和场生成特征图的冗余度,提出一种改进的格拉姆求和场;然后,通过改进的格拉姆求和场、马尔可夫转移场和无阈值递归图分别将电能质量扰动时序数据进行模态变换;其次,对转换生成的三类图像各提取出一个单通道灰度图进行融合;最后,将融合得到的特征图输入到双通道卷积神经网络中进行扰动识别。实验表明:多模态融合得到的特征图扰动特征保留更多,而且双通道卷积神经网络提取特征能力强,具有一定的抗噪鲁棒性,扰动识别准确率高。 展开更多

关键词 电能质量扰动 格拉姆求和场 马尔可夫转移场 无阈值递归图 双通道卷积神经网络 识别

在线阅读 下载PDF 职称材料

基于CRNN的CSI动作识别 被引量：2

14

作者 丁文超 张俊宝 阴庚雷 《计算机技术与发展》 2021年第6期7-12,共6页

随着Wi-Fi感知技术的发展,出现了大量使用Wi-Fi信道状态信息(channel state information, CSI)进行动作识别的应用。然而大多数的方法在数据预处理和训练阶段都依赖于人工构建特征,构建过程耗时耗力并且需要专家的领域知识。针对上述问... 随着Wi-Fi感知技术的发展,出现了大量使用Wi-Fi信道状态信息(channel state information, CSI)进行动作识别的应用。然而大多数的方法在数据预处理和训练阶段都依赖于人工构建特征,构建过程耗时耗力并且需要专家的领域知识。针对上述问题,提出一种基于CRNN(convolutional recurrent neural network)的CSI动作识别方法。将不同手势的CSI数据做低通滤波处理后,通过自组织映射(self organizing maps, SOM)聚类的结果选择最佳子载波,并对该子载波上的CSI数据进行扩增。然后,使用格拉姆角求和场(Gramian angular summation fields, GASF)方法将一维CSI数据转换成二维GASF图像,作为CNN、LSTM构成的CRNN网络的输入数据,训练过程中使用链接时序分类(connectionist temporal classification, CTC)作为损失函数。实验结果表明,该方法能在训练数据较少的情况下达到较高的识别精度,且无需手动构建特征。 展开更多

关键词 信道状态信息 CRNN 动作识别 自组织映射 格拉姆角场 链接时序分类

在线阅读 下载PDF 职称材料

延969井区山西组气藏特征及开发响应特征

15

作者 王少奇 孙冬 袁书龙 《化工管理》 2021年第23期45-46,共2页

延969井区位于陕西省靖边县东南部,该区山西组气藏储量规模占比大、产量规模占比小。研究从地层地质特征、气藏地质特征方面分析,明确了储量大、产量小的原因。根据分析原因,提出山西组气藏开发有3个思路:一是当其他层段有单层达到工业... 延969井区位于陕西省靖边县东南部,该区山西组气藏储量规模占比大、产量规模占比小。研究从地层地质特征、气藏地质特征方面分析,明确了储量大、产量小的原因。根据分析原因,提出山西组气藏开发有3个思路:一是当其他层段有单层达到工业气流时,山西组物性较差的薄气层可本着"顺手牵羊"的思路开发,作为主力气层产量的辅助与补充;二是多个薄气层存在时,合层的产量具有工业价值时也可开发;三是重视储层改造技术与成本之间的平衡,当经济性提升大于储层改造成本时,也可开发这些薄气层来提升区块的整体经济效益。 展开更多

关键词 上古生界 致密气藏 气藏特征 山西组 延长气田

在线阅读 下载PDF 职称材料