期刊导航
期刊开放获取
vip
退出
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
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
检索
高级检索
期刊导航
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：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
一种基于轻量级神经网络的高铁轮对轴承故障诊断方法
被引量：
9
1
作者
邓飞跃
丁浩
+2 位作者
吕浩洋
郝如江
刘永强
《工程科学学报》
EI
CSCD
北大核心
2021年第11期1482-1490,共9页
深度神经网络技术用于机械设备故障诊断展现出了巨大潜力,但繁重复杂的计算量对计算机硬件提出了严苛的要求,严重限制了其在实际工程中的应用.基于此提出一种新型的轻量级神经网络ShuffleNet,用于高速列车轮对轴承故障诊断研究.该网络...
深度神经网络技术用于机械设备故障诊断展现出了巨大潜力,但繁重复杂的计算量对计算机硬件提出了严苛的要求,严重限制了其在实际工程中的应用.基于此提出一种新型的轻量级神经网络ShuffleNet,用于高速列车轮对轴承故障诊断研究.该网络模型基于模块化设计思想,包含多个高效率的ShuffleNet单元,通过运用分组卷积与深度可分离卷积技术极大改善了传统卷积操作的运算效率;同时使用通道混洗方法克服了通道分组带来的约束,改进了网络的损失精度.实验分析表明,所提网络模型可有效用于复杂工况下高速列车轮对轴承故障诊断,相比传统卷积神经网络、残差网络和Xception等当前深度神经网络模型,在保证诊断精度的同时,运行效率得到大幅提升.这为深度神经网络技术应用于工程实际,克服计算机硬件条件限制提供了一条新的途径.
展开更多
关键词
轮对轴承
高速列车
故障诊断
深度神经网络
shufflenet
单元
在线阅读
下载PDF
职称材料
基于轻量化神经网络Shuffle-SENet的高速动车组轴箱轴承故障诊断方法
被引量：
18
2
作者
邓飞跃
吕浩洋
+1 位作者
顾晓辉
郝如江
《吉林大学学报（工学版）》
EI
CAS
CSCD
北大核心
2022年第2期474-482,共9页
针对复杂工况下高速动车组轴箱轴承故障难以准确诊断的问题,提出了一种ShuffleSE单元设计方法,并基于模块化思想建立了一种新的轻量化网络Shuffle-SENet用于高速列车轴箱轴承故障诊断。Shuffle-SE单元以ShuffleNet V2单元为基础,在保留...
针对复杂工况下高速动车组轴箱轴承故障难以准确诊断的问题,提出了一种ShuffleSE单元设计方法,并基于模块化思想建立了一种新的轻量化网络Shuffle-SENet用于高速列车轴箱轴承故障诊断。Shuffle-SE单元以ShuffleNet V2单元为基础,在保留网络轻量化的同时,对网络结构进行了局部优化,并进一步嵌入了Squeeze-and-excitation(SE)结构。所构建的轻量化网络模型在保证运算高效的同时,故障诊断精度明显提升。此外,本文对Shuffle-SE单元的数量及SE结构中降维系数对网络模型性能的影响进行了深入分析。实验分析结果表明:本文网络模型可有效用于多种复杂工况下高铁轴箱轴承故障诊断,相比MobileNet V2、ShuffleNet V1/V2、ResNets等目前较为流行的神经网络模型,本文模型在运行效率和故障诊断精度两方面均有较好表现。本文研究为深度学习技术走向工程实际应用,克服对计算机硬件配置较高的限制提供了一种新的解决方法。
展开更多
关键词
故障诊断
轴箱轴承
高速动车组
轻量化网络
shufflenet
单元
原文传递
题名
一种基于轻量级神经网络的高铁轮对轴承故障诊断方法
被引量：
9
1
作者
邓飞跃
丁浩
吕浩洋
郝如江
刘永强
机构
石家庄铁道大学省部共建交通工程结构力学行为与系统安全国家重点实验室
石家庄铁道大学机械工程学院
出处
《工程科学学报》
EI
CSCD
北大核心
2021年第11期1482-1490,共9页
基金
国家自然科学基金资助项目(11802184,11790282)
河北省自然科学基金资助项目(E2019210049)
+2 种基金
河北省科技计划项目资助项目(20310803D)
河北省“三三三人才工程”资助项目(A202101017)
北京市重点实验室研究基金资助课题(PGU2020K009)。
文摘
深度神经网络技术用于机械设备故障诊断展现出了巨大潜力,但繁重复杂的计算量对计算机硬件提出了严苛的要求,严重限制了其在实际工程中的应用.基于此提出一种新型的轻量级神经网络ShuffleNet,用于高速列车轮对轴承故障诊断研究.该网络模型基于模块化设计思想,包含多个高效率的ShuffleNet单元,通过运用分组卷积与深度可分离卷积技术极大改善了传统卷积操作的运算效率;同时使用通道混洗方法克服了通道分组带来的约束,改进了网络的损失精度.实验分析表明,所提网络模型可有效用于复杂工况下高速列车轮对轴承故障诊断,相比传统卷积神经网络、残差网络和Xception等当前深度神经网络模型,在保证诊断精度的同时,运行效率得到大幅提升.这为深度神经网络技术应用于工程实际,克服计算机硬件条件限制提供了一条新的途径.
关键词
轮对轴承
高速列车
故障诊断
深度神经网络
shufflenet
单元
Keywords
wheelset bearing
high-speed train
fault diagnosis
deep neural network
shufflenet unit
分类号
TG142.71 [金属学及工艺—金属材料]
在线阅读
下载PDF
职称材料
题名
基于轻量化神经网络Shuffle-SENet的高速动车组轴箱轴承故障诊断方法
被引量：
18
2
作者
邓飞跃
吕浩洋
顾晓辉
郝如江
机构
石家庄铁道大学省部共建交通工程结构力学行为与系统安全国家重点实验室
石家庄铁道大学机械工程学院
出处
《吉林大学学报（工学版）》
EI
CAS
CSCD
北大核心
2022年第2期474-482,共9页
基金
国家自然科学基金项目(11802184,11790282,11902205)
河北省自然科学基金项目(E2019210049,E2021210028)
+2 种基金
河北省“三三三人才工程”项目(A202101017)
北京市重点实验室研究基金课题项目(PGU2020K009)
河北省科技计划项目(20310803D).
文摘
针对复杂工况下高速动车组轴箱轴承故障难以准确诊断的问题,提出了一种ShuffleSE单元设计方法,并基于模块化思想建立了一种新的轻量化网络Shuffle-SENet用于高速列车轴箱轴承故障诊断。Shuffle-SE单元以ShuffleNet V2单元为基础,在保留网络轻量化的同时,对网络结构进行了局部优化,并进一步嵌入了Squeeze-and-excitation(SE)结构。所构建的轻量化网络模型在保证运算高效的同时,故障诊断精度明显提升。此外,本文对Shuffle-SE单元的数量及SE结构中降维系数对网络模型性能的影响进行了深入分析。实验分析结果表明:本文网络模型可有效用于多种复杂工况下高铁轴箱轴承故障诊断,相比MobileNet V2、ShuffleNet V1/V2、ResNets等目前较为流行的神经网络模型,本文模型在运行效率和故障诊断精度两方面均有较好表现。本文研究为深度学习技术走向工程实际应用,克服对计算机硬件配置较高的限制提供了一种新的解决方法。
关键词
故障诊断
轴箱轴承
高速动车组
轻量化网络
shufflenet
单元
Keywords
fault diagnosis
axle bearing
high-speed train
lightweight neural network
shufflenet unit
分类号
TH17 [机械工程—机械制造及自动化]
TH133.33 [机械工程—机械制造及自动化]
原文传递
题名
作者
出处
发文年
被引量
操作
1
一种基于轻量级神经网络的高铁轮对轴承故障诊断方法
邓飞跃
丁浩
吕浩洋
郝如江
刘永强
《工程科学学报》
EI
CSCD
北大核心
2021
9
在线阅读
下载PDF
职称材料
2
基于轻量化神经网络Shuffle-SENet的高速动车组轴箱轴承故障诊断方法
邓飞跃
吕浩洋
顾晓辉
郝如江
《吉林大学学报（工学版）》
EI
CAS
CSCD
北大核心
2022
18
原文传递
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
确定
用户登录
登录
IP登录
使用帮助
返回顶部
