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篇文章
< 1 >
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：
基于信息融合采样归纳算法的柴油机健康状态评估
1
作者 马川 李屹东 +4 位作者 孙亚斌 熊纪国 刘皓天 张俊杰 姚玉南 《舰船科学技术》 北大核心 2026年第4期89-96,共8页
针对船厂物流工程车辆柴油机故障特征提取单一和常规算法健康评估准确率不高的问题,提出一种基于改进图神经网络(Graph Convolution Network,GNN)信息融合采样归纳式算法(Multi-Graph SAmple and aggreGatE,Multi-Graph SAGE)。首先采... 针对船厂物流工程车辆柴油机故障特征提取单一和常规算法健康评估准确率不高的问题,提出一种基于改进图神经网络(Graph Convolution Network,GNN)信息融合采样归纳式算法(Multi-Graph SAmple and aggreGatE,Multi-Graph SAGE)。首先采用样本概率相似性原理,提取柴油机振动信号、滑油特征和瞬时转速与柴油机运行状态建立联系;接着采用特征工程筛选重要指标,通过信息融合图采样式学习深入挖掘潜在信息,构建融合邻接矩阵,同时引用JK-net跳跃知识网络,避免数据过载;最后利用交叉熵损失函数使模型准确性得到了进一步的验证。结果表明所提算法能够将特征进行深入融合,通过柴油机的健康状态识别因子HI得到监测状态。模型监测准确率达到98.54%,多项评价指标均高于99.6%。与随机森林(Random Forest,RF)、极限学习机(Extreme Learning Machine,ELM)、卷积神经网络(Convolutional Neural Networks,CNN)等常规数据驱动相比较,本方法能够有效提高船厂物流工程车辆柴油机健康状态监测的准确率,具有一定的工程应用价值。 展开更多
关键词 graph sage 船舶柴油机 信息融合 状态评估
在线阅读 下载PDF
基于改进图神经网络图形样本聚合的增量学习模型 被引量：1
2
作者 刘振柱 侯乔文 +2 位作者 兰媛 于磊 牛蔺楷 《机电工程》 北大核心 2025年第3期549-558,共10页
针对轴向柱塞泵在故障诊断中对大规模、动态变化数据处理困难,以及故障类型增加导致分类性能下降的问题,提出了一种基于改进图神经网络图形样本聚合(Graph-SAGE)的增量学习模型。首先,将轴向柱塞泵的不同故障振动信号构建为带标签的数据... 针对轴向柱塞泵在故障诊断中对大规模、动态变化数据处理困难,以及故障类型增加导致分类性能下降的问题,提出了一种基于改进图神经网络图形样本聚合(Graph-SAGE)的增量学习模型。首先,将轴向柱塞泵的不同故障振动信号构建为带标签的数据集,并通过数据增强生成了新的数据集;然后,采用K-最邻近法(KNN)分别构建了初始训练阶段和增量训练阶段的图结构数据(其中,初始阶段的图结构用于模型的初始训练,增量训练阶段的图结构用于增量训练);接着,为了确定最适合轴向柱塞泵故障图数据集的聚合方法,在初始训练阶段比较了不同聚合器对故障识别准确率的影响,并在增量训练阶段结合显性知识与隐性知识对模型进行了优化;最后,采用了实验的方式,验证了该模型的可行性,并通过对比实验和鲁棒性测试,对该模型的性能和稳定性进行了评估。研究结果表明:该增量学习模型在应对新增故障类型时表现优异,在轴向柱塞泵的复合故障识别中,平均准确率达到了92.35%,显著优于传统图神经网络在相同条件下的表现;同时,该模型在混合工况下的增量训练准确率达到了95%,展现出较强的适应性和鲁棒性。该方法能够有效应对不同的故障模式和工况条件,准确识别轴向柱塞泵的复合故障。 展开更多
关键词 轴向柱塞泵 故障诊断 增量学习 图神经网络图形样本聚合 K-最邻近法 图结构数据
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 下一页 到第 页
使用帮助 返回顶部