期刊文献+
共找到875篇文章
< 1 2 44 >
每页显示 20 50 100
Transform faults and transfer faults:Plate boundary and intra-continental tectonic dynamics transition
1
作者 Yunpeng DONG Bo HUI +6 位作者 Bo WANG Shengsi SUN Huajian YAO Junlai LIU Rutao ZANG Yongcheng LI Qingxing LUO 《Science China Earth Sciences》 2025年第12期3867-3911,共45页
Large strike-slip faults play a crucial role in regulating the geometry and kinematics of the solid Earth's outer lithospheric plates and the structural deformation of internal continents.They not only control the... Large strike-slip faults play a crucial role in regulating the geometry and kinematics of the solid Earth's outer lithospheric plates and the structural deformation of internal continents.They not only control the geometric structures,motion properties,and direction of the lithospheric plates,but also regulate the complex tectonic stress field and strain state caused by differential motion among multiple blocks within the continent,maintaining the relative stability of the overall stress state of the lithosphere on the Earth's surface.According to the nature and significance of geotectonic structures,strike-slip faults can be divided into interplate types and intraplate tectonic types.Interplate strike-slip faults are transform faults,including oceanic transform faults and continental transform faults.Intraplate strike-slip faults can be divided into continental transfer faults and intraplate transcurrent faults.During the lateral movement of lithospheric plates along the Earth's surface,transform faults adjust the differences in the nature,direction,and rate of movement between different plates.Meanwhile,continental transfer faults and intraplate transcurrent faults adjust the location,nature,style,and differential stress of intraplate tectonic deformation.Strike-slip faults of varying types and scales interact in different ways to maintain the dynamic balance of matter and energy within Earth's lithospheric plates.Based on the concepts,tectonic significance,and recent research advances of strike-slip faults and classical transform faults,this paper summarizes the latest classification of strike-slip faults and their corresponding tectonic implications.It also updates the definitions,geometric characteristics,and kinematic features of oceanic transform faults,continental transform faults,continental transfer faults,and intraplate transcurrent faults.Through typical global examples,this paper comprehensively analyzes the deep structure,structural geometry and kinematic characteristics,evolution process,geological significance,and seismic hazards of different types of strike-slip faults.Furthermore,the frontier science issue and research strategies for the study of oceanic transform faults,continental transfer faults,and intraplate transcurrent faults are summarized as well. 展开更多
关键词 Oceanic transform fault Continental transform fault Continental transfer fault Strike-slip fault Plate tectonics and continental dynamics
原文传递
An Incremental Model Transfer Method for Complex Process Fault Diagnosis 被引量:7
2
作者 Xiaogang Wang Xiyu Liu Yu Li 《IEEE/CAA Journal of Automatica Sinica》 SCIE EI CSCD 2019年第5期1268-1280,共13页
Fault diagnosis is an important measure to ensure the safety of production, and all kinds of fault diagnosis methods are of importance in actual production process. However, the complexity and uncertainty of productio... Fault diagnosis is an important measure to ensure the safety of production, and all kinds of fault diagnosis methods are of importance in actual production process. However, the complexity and uncertainty of production process often lead to the changes of data distribution and the emergence of new fault classes, and the number of the new fault classes is unpredictable. The reconstruction of the fault diagnosis model and the identification of new fault classes have become core issues under the circumstances. This paper presents a fault diagnosis method based on model transfer learning and the main contributions of the paper are as follows: 1) An incremental model transfer fault diagnosis method is proposed to reconstruct the new process diagnosis model. 2) Breaking the limit of existing method that the new process can only have one more class of faults than the old process, this method can identify M faults more in the new process with the thought of incremental learning. 3) The method offers a solution to a series of problems caused by the increase of fault classes. Experiments based on Tennessee-Eastman process and ore grinding classification process demonstrate the effectiveness and the feasibility of the method. 展开更多
关键词 COMPLEX process fault DIAGNOSIS INCREMENTAL LEARNING model transfer
在线阅读 下载PDF
Fault Estimation and Accommodation for Networked Control Systems with Transfer Delay 被引量:24
3
作者 MAO Ze-Hui JIANG Bin 《自动化学报》 EI CSCD 北大核心 2007年第7期738-743,共6页
在这份报纸,差错评价和差错的一个方法为有转移延期和进程噪音的联网的控制系统(NCS ) 的容忍的控制被介绍。首先,联网的控制系统作为有转移的分离时间的系统推迟的 multiple-input-multiple-output (MIMO ) 被建模,处理噪音,并且... 在这份报纸,差错评价和差错的一个方法为有转移延期和进程噪音的联网的控制系统(NCS ) 的容忍的控制被介绍。首先,联网的控制系统作为有转移的分离时间的系统推迟的 multiple-input-multiple-output (MIMO ) 被建模,处理噪音,并且为无常建模。在这个模型下面并且在一些条件下面,一个差错评价方法被建议估计系统差错。根据差错评价和滑动模式控制理论的信息,一个差错容忍的控制器被设计恢复系统性能。最后,模拟结果被用来验证方法的效率。 展开更多
关键词 网络控制系统 迟滞转移 容错估计 容错控制 不确定性模型 滑动模型控制
在线阅读 下载PDF
Small Sample Gear Fault Diagnosis Method Based on Transfer Learning
4
作者 Han Zhang Shihao Liu +1 位作者 Xiyang Wang Junlong Zhang 《Open Journal of Applied Sciences》 2023年第12期2461-2479,共19页
Aiming at the problems of lack of fault diagnosis samples and low model generalization ability of cross-working gear based on deep transfer learning, a fault diagnosis method based on improved deep residual network an... Aiming at the problems of lack of fault diagnosis samples and low model generalization ability of cross-working gear based on deep transfer learning, a fault diagnosis method based on improved deep residual network and transfer learning was proposed. Firstly, one-dimensional signal is transformed into two-dimensional time-frequency image by continuous wavelet transform. Then, a deep learning model based on ResNet50 is constructed. Attention mechanism is introduced into the model to make the model pay more attention to the useful features for the current task. The network parameters trained by ResNet50 network on ImageNet dataset were used to initialize the model and applied to the fault diagnosis field. Finally, to solve the problem of gear fault diagnosis under different working conditions, a small sample training set is proposed for fault diagnosis. The method is applied to gearbox fault diagnosis, and the results show that: The proposed deep model achieves 99.7% accuracy of gear fault diagnosis, which is better than the four models such as VGG19 and MobileNetV2. In the cross-working condition fault diagnosis, only 20% target dataset is used as the training set, and the proposed method achieves 93.5% accuracy. 展开更多
关键词 Gear fault Diagnosis transfer Learning CWT Deep Residual Network Deep Learning
在线阅读 下载PDF
基于两阶段动态对抗迁移建模的轴承故障诊断
5
作者 刘月文 徐帆 +2 位作者 李永亭 齐咏生 王顺利 《中国农机化学报》 北大核心 2026年第2期188-195,共8页
针对传统故障诊断方法使用梯度反转层极易造成梯度消失,同时源域样本与目标域样本存在分布差异,无法动态判断两种分布间的相似性,导致故障诊断模型泛化能力极低的问题,提出一种两阶段动态对抗迁移网络(TSDAMN),实现轴承的迁移故障诊断... 针对传统故障诊断方法使用梯度反转层极易造成梯度消失,同时源域样本与目标域样本存在分布差异,无法动态判断两种分布间的相似性,导致故障诊断模型泛化能力极低的问题,提出一种两阶段动态对抗迁移网络(TSDAMN),实现轴承的迁移故障诊断。首先,该网络提出一种新的两步式对抗策略和动态判别思想,使用分布对抗策略,分步骤对分类器和判别器进行交互训练,有效解决梯度消失问题;然后,构建一种动态自适应学习算法,通过动态调整边缘分布和条件分布在整个迁移过程所占权重,有效提高故障特征聚类能力,从而提升故障诊断的准确性;最后,引入θ系控改进交叉熵损失函数进一步细化故障分类精度。采用凯斯西储大学轴承数据集进行试验验证,并与经典算法进行比较,所提方法故障分类平均准确率达98.67%,结果表明,所提方法能够更加准确地分类故障,解决标注匮乏问题。 展开更多
关键词 故障诊断 迁移学习 梯度消失 两步式对抗 动态判别 滚动轴承
在线阅读 下载PDF
仿真数据驱动的感应电动机定转子故障迁移识别方法
6
作者 王攀攀 王宇佩 +3 位作者 张成 刘扬 戴诗科 韩丽 《中国电机工程学报》 北大核心 2026年第5期2080-2091,I0028,共13页
在工程实际中,感应电动机故障数据的匮乏已成为制约数据驱动诊断方法广泛应用于现场实际的瓶颈。为了摆脱对实际数据的依赖,提出一种基于仿真数据驱动的感应电动机定转子故障迁移诊断方法。首先,通过有限元建模,产生电机不同健康状态下... 在工程实际中,感应电动机故障数据的匮乏已成为制约数据驱动诊断方法广泛应用于现场实际的瓶颈。为了摆脱对实际数据的依赖,提出一种基于仿真数据驱动的感应电动机定转子故障迁移诊断方法。首先,通过有限元建模,产生电机不同健康状态下的电压和电流数据;然后,分析不同故障在瞬时功率中的表现,并将其中不同频率的故障特征分量转化为不同颜色的轨迹图形,进而形成多特征分量融合的图形化样本,用以降低仿真数据与实际数据间的分布差异,达到降低迁移识别难度的目的;最后,以该图形化样本作为输入,将仿真数据训练后的卷积神经网络直接应用于实际电机的故障辨识。实验结果表明,该方法在只学习仿真数据样本的情况下,仍能准确辨识出实际电机的定转子故障,且准确率高达97.7%,满足工程要求。 展开更多
关键词 感应电动机 迁移学习 定转子故障 图形化样本 卷积神经网络
原文传递
基于多尺度残差动态域适应网络的不同工况下转子故障诊断方法
7
作者 向玲 王宁 +2 位作者 邴汉昆 胡爱军 韩忠泉 《振动工程学报》 北大核心 2026年第2期595-604,共10页
不同工况下转子数据分布差异大,导致传统故障诊断模型精度低。本文提出了一种基于多尺度残差动态域适应网络(multi-scale residual dynamic domain adaptation network,MsRDDA)的不同工况下转子故障诊断方法,用于解决源域样本有标签而... 不同工况下转子数据分布差异大,导致传统故障诊断模型精度低。本文提出了一种基于多尺度残差动态域适应网络(multi-scale residual dynamic domain adaptation network,MsRDDA)的不同工况下转子故障诊断方法,用于解决源域样本有标签而目标域样本无标签的问题,实现不同工况间的无监督迁移诊断。将采集得到的一维时域信号进行分割,并通过短时傅里叶变换(short-time Fourier transform,STFT)将其转换成具有时频特征的二维图像;提出一个融合多尺度卷积和可分离卷积的多尺度残差网络,该网络由多尺度卷积层作为输入层提取浅层特征,通过4个改进残差模块提取深层特征,保证提取故障特征多样性的同时避免网络因深度的增加而产生梯度消失的问题;将动态分布域适应策略引入多尺度残差网络中,根据平衡因子动态衡量边缘分布和条件分布的重要性,对齐特征分布,提高模型的迁移诊断性能。运用所提方法对转子试验台采集得到的数据进行跨工况迁移诊断试验,并与其他传统迁移模型进行对比,验证了该方法的有效性和优越性。 展开更多
关键词 故障诊断 转子 迁移学习 残差网络 动态域适应
在线阅读 下载PDF
基于ITR-Net多源域迁移学习的高铁轴箱轴承故障诊断
8
作者 邓飞跃 董少飞 顾晓辉 《工程科学与技术》 北大核心 2026年第1期324-333,共10页
高速列车在实际运营中的轴箱轴承故障数据及样本标签稀缺,极大限制了轴箱轴承故障诊断水平的提升。为此,本文提出了一种融合IFormer(inception transformer)与残差网络(ResNet)的多源域深度迁移学习方法ITRNet(inception transformer an... 高速列车在实际运营中的轴箱轴承故障数据及样本标签稀缺,极大限制了轴箱轴承故障诊断水平的提升。为此,本文提出了一种融合IFormer(inception transformer)与残差网络(ResNet)的多源域深度迁移学习方法ITRNet(inception transformer and ResNet)用于高速列车轴箱轴承故障诊断研究。该方法选择多种工况下的有监督标签数据作为多源域,首先采用连续小波变换获取轴承一维振动信号的时频谱图作为模型输入,在ITR-Net中构建IFormer网络和ResNet分别作为通用特征提取器和特定特征提取器,充分学习多源域与目标域数据的特征信息;同时,在迁移模型不同节点位置嵌入多核最大均值差异(MK-MMD)、局部最大均值差异(LMMD)与均方误差(MSE)损失函数,构建了一种新的多源域自适应迁移策略,有效减小多源域间及源域与目标域间的特征分布差异并增强多领域对齐程度。最后,通过分析不同载荷及不同转速下6类轴承故障迁移学习任务,对本文方法进行实验验证。结果表明,本文方法可以有效用于不同工况下轴承迁移学习故障诊断,多源域迁移故障诊断准确率显著高于单源域迁移,并且相比现有的深度适应网络(DAN)、联合适应网络(JAN)、相关对齐损伤(CORAL)网络、域对抗神经网络(DANN)、多特征空间适应网络(MFSAN),本文方法迁移学习诊断结果更为优异。研究结果将为迁移学习应用于轴箱轴承故障诊断提供一条新的途径。 展开更多
关键词 轴箱轴承 迁移学习 故障诊断 领域自适应 特征学习
在线阅读 下载PDF
基于最优传输理论的滚动轴承故障迁移诊断方法
9
作者 张中伟 孙苗青 +2 位作者 路行超 张帅 李乃鹏 《轴承》 北大核心 2026年第1期58-64,共7页
现有滚动轴承智能诊断模型多基于单一工况下的故障数据构建,而实际应用中的工况多变,不同工况下的监测数据差异明显。对于在多工况下服役的滚动轴承,单一工况数据训练的模型难以准确识别不同工况下的轴承故障,导致误诊、漏诊严重。为解... 现有滚动轴承智能诊断模型多基于单一工况下的故障数据构建,而实际应用中的工况多变,不同工况下的监测数据差异明显。对于在多工况下服役的滚动轴承,单一工况数据训练的模型难以准确识别不同工况下的轴承故障,导致误诊、漏诊严重。为解决跨工况下的滚动轴承智能诊断问题,提高诊断模型在不同工况下的鲁棒性,提出了一种基于最优传输理论的滚动轴承故障迁移诊断方法,对轴承振动数据进行时域Gammatone滤波获得多频段时域信号,构建域共享特征提取子网络提取源域、目标域轴承数据的深层故障特征,结合最优传输理论构建最优传输适配子网络完成域特征适配并实现轴承故障诊断。验证结果表明,基于最优传输理论的滚动轴承故障迁移诊断方法能有效提高跨工况下滚动轴承的迁移诊断精度。 展开更多
关键词 滚动轴承 故障诊断 迁移学习 变工况 滤波器 智能制造
在线阅读 下载PDF
基于LMMD-DANN的无监督风电轴承故障诊断方法
10
作者 王萌璠 蔡宗琰 +1 位作者 田心平 周昌 《机电工程技术》 2026年第5期17-23,共7页
风电机组滚动轴承的健康状态对设备性能有直接影响。但在变工况条件下,目标域数据标签经常缺失,导致诊断性能显著下降。为解决此问题,提出了一种基于LMMD-DANN的故障诊断模型。该模型采用多模块集成架构,结合特征提取网络、局部最大均... 风电机组滚动轴承的健康状态对设备性能有直接影响。但在变工况条件下,目标域数据标签经常缺失,导致诊断性能显著下降。为解决此问题,提出了一种基于LMMD-DANN的故障诊断模型。该模型采用多模块集成架构,结合特征提取网络、局部最大均值差异(LMMD)算法与域对抗神经网络(DANN)。通过引入域对抗机制,在特征提取器与域分类器之间建立对抗关系,增强特征提取能力,实现跨域数据特征混淆;同时采用LMMD算法关注局部特征,促进同类子域特征对齐;引入自适应权重策略,动态调整域分类损失在总损失函数中的权重。在CWRU和JNU轴承数据集上的实验结果表明,所提方法在6个变工况任务中的平均准确率分别达到98.88%和89.1%,证明了LMMD-DANN在变工况无监督故障诊断场景中更具优势。 展开更多
关键词 轴承故障诊断 迁移学习 变工况 域对抗
在线阅读 下载PDF
基于可靠伪标签的旋转机械的跨工况开集故障诊断
11
作者 刘学志 王振雷 王昕 《控制与决策》 北大核心 2026年第2期555-565,共11页
旋转机械作为工业系统的核心部件,其故障诊断对保障设备安全运行至关重要.然而,在跨工况场景下,基于深度迁移学习的故障诊断面临故障样本收集成本高昂和数据分布存在差异两大挑战.这些挑战在目标域存在未知故障的开集迁移场景下尤为突出... 旋转机械作为工业系统的核心部件,其故障诊断对保障设备安全运行至关重要.然而,在跨工况场景下,基于深度迁移学习的故障诊断面临故障样本收集成本高昂和数据分布存在差异两大挑战.这些挑战在目标域存在未知故障的开集迁移场景下尤为突出,为此提出一种由分层聚类引导生成可靠伪标签的域自适应(HCRPDA)方法:首先,使用源域数据监督训练特征提取器和分类器,并通过构建域混淆损失来驱动源域和目标域进行对抗学习,实现已知类别的跨域分布对齐;其次,基于域判别器输出的源域相似度和通过分类器的输出计算得到的分类熵这两个指标进行分层聚类,筛选高置信度的未知类伪标签样本,进而训练专用的未知类判别器以提升模型对未知故障的识别能力;最后,使用PU轴承数据集以及PHM2009齿轮箱数据集进行仿真验证.实验结果表明,HCRPDA相比于主流的域自适应方法具有更高的未知类识别率和已知类分类准确率,特别是面对目标域中未知类样本比例较高的场景,优势更加明显. 展开更多
关键词 旋转机械 迁移学习 域自适应 开集故障诊断 伪标签 分层聚类
原文传递
基于多尺度分层交替迁移学习的小样本轴承跨域故障诊断
12
作者 曹景浩 文传博 《轴承》 北大核心 2026年第1期65-74,共10页
针对实际应用中训练样本不足以及跨工况轴承故障诊断中不同工况数据分布差异较大导致无法取得令人满意的诊断结果的问题,提出了一种基于多尺度分层交替迁移学习的小样本轴承跨域故障诊断模型。构造了一个多尺度特征提取器,以减少信息损... 针对实际应用中训练样本不足以及跨工况轴承故障诊断中不同工况数据分布差异较大导致无法取得令人满意的诊断结果的问题,提出了一种基于多尺度分层交替迁移学习的小样本轴承跨域故障诊断模型。构造了一个多尺度特征提取器,以减少信息损失,充分挖掘振动信号中的特征;为了处理域位移问题,提出分层交替迁移学习算法(HATL),分层交替计算Coral和LMMD损失函数,缩小源域与目标域的分布距离。在凯斯西储大学轴承数据集和江南大学轴承数据集上进行了迁移试验,并与一些经典迁移学习模型进行对比,结果表明在小样本训练数据集下,所提模型具有优秀的特征迁移能力。 展开更多
关键词 滚动轴承 故障诊断 小样本 迁移学习 卷积神经网络
在线阅读 下载PDF
小样本下基于SCResNeSt50和迁移学习的齿轮故障诊断
13
作者 刘杰 郭泽锋 杨娜 《沈阳工业大学学报》 北大核心 2026年第1期110-119,共10页
【目的】现有研究针对不同设备间迁移学习的齿轮故障诊断仍存在不足,尤其是在小样本条件下,诊断准确率仍待提高。为此,提出一种结合自校准卷积分散注意力网络(SCResNeSt50)模型与迁移学习策略的小样本齿轮故障诊断方法。【方法】基于连... 【目的】现有研究针对不同设备间迁移学习的齿轮故障诊断仍存在不足,尤其是在小样本条件下,诊断准确率仍待提高。为此,提出一种结合自校准卷积分散注意力网络(SCResNeSt50)模型与迁移学习策略的小样本齿轮故障诊断方法。【方法】基于连续小波变换对齿轮信号进行时频分析,生成时频图作为模型输入。采用ResNeSt网络结构融合分散注意力机制与自校准卷积改进传统卷积神经网络对时频图的线性处理方式,即使用自校准卷积替代ResNeSt模块中的常规卷积,以实现自适应响应校准和多尺度特征编码,从而扩大感受野并增强故障特征表征能力。采用迁移学习策略,通过微调源域预训练模型的分类器参数,并冻结特征提取层,以实现目标任务的有效适配,同时保留源模型的通用知识和特征表示,提高小样本条件下的齿轮故障诊断准确率。【结果】在东南大学齿轮箱数据集与康涅狄格大学齿轮数据集上进行实验,验证了方法的有效性。实验包括变工况迁移学习与跨数据集迁移学习两类场景,并与现有故障诊断方法进行对比分析。结果表明,在变工况迁移学习实验中,目标域诊断准确率分别达到98.7%和98.9%;在东南大学数据集向康涅狄格大学数据集的迁移实验中,当目标域训练集中每种齿轮状态的样本量分别为25、20、16、12、8及6个时,诊断准确率分别达到98.1%、98.1%、97.8%、97.5%、96.5%及93.1%。【结论】方法在多个实验中均取得优于其他方法的诊断准确率,表明改进的自校准卷积有效提升了齿轮故障特征的表征能力,而迁移学习策略在小样本条件下显著增强了故障诊断的可靠性。该研究为小样本条件下的齿轮故障诊断提供了可行的解决方案,推动了智能故障诊断技术的发展。 展开更多
关键词 小样本 故障诊断 齿轮 自校准卷积 分散注意力机制 迁移学习 源域 目标域
在线阅读 下载PDF
基于自适应图神经网络与迁移学习的6 kV厂用电故障诊断研究
14
作者 张博 胡柏胜 +2 位作者 吕飞 吴頔杰 康亚周 《自动化与仪器仪表》 2026年第2期62-65,69,共5页
针对火力发电厂6 kV厂用电系统故障诊断的精准性与跨厂区泛化能力低的问题,研究提出融合自适应图神经网络与迁移学习的故障诊断模型。研究采用自适应图神经网络建模系统拓扑,采用多时间尺度处理与动态邻接矩阵进行优化。同时结合迁移学... 针对火力发电厂6 kV厂用电系统故障诊断的精准性与跨厂区泛化能力低的问题,研究提出融合自适应图神经网络与迁移学习的故障诊断模型。研究采用自适应图神经网络建模系统拓扑,采用多时间尺度处理与动态邻接矩阵进行优化。同时结合迁移学习与正则化、Dropout与批量归一化优化迁移学习,实现跨厂区特征对齐。结果显示,融合自适应图神经网络与迁移学习的故障诊断模型在电厂A测试集中的准确率达96.31%,召回率达94.11%,较支持向量机分别提升了19.83%、9.67%。同时该模型在电厂B、C对短路故障的诊断准确率达96.17%、94.52%,优于消融模型。说明研究所提出的模型能有效提升6 kV厂用电系统故障诊断的精度与跨厂区泛化性,为火电厂6 kV系统智能安全运维提供了可靠技术支撑。 展开更多
关键词 自适应图神经网络 迁移学习 故障诊断 火电厂
原文传递
数字孪生辅助的行星齿轮箱故障诊断
15
作者 李鹤鹏 陈仁祥 +3 位作者 梁栋 冉孟宇 唐煜斌 罗瑞 《重庆理工大学学报(自然科学)》 北大核心 2026年第2期112-118,共7页
工业场景中行星齿轮箱故障数据采集难度大,而智能故障诊断方法的训练需要大量标记数据,对此,提出一种数字孪生辅助的动态域自适应对抗故障诊断方法。构建行星齿轮箱刚柔耦合数字孪生模型,生成丰富且高质量带故障标签的孪生数据供模型训... 工业场景中行星齿轮箱故障数据采集难度大,而智能故障诊断方法的训练需要大量标记数据,对此,提出一种数字孪生辅助的动态域自适应对抗故障诊断方法。构建行星齿轮箱刚柔耦合数字孪生模型,生成丰富且高质量带故障标签的孪生数据供模型训练使用。设计动态域自适应对抗网络(dynamic domain adaptive adversarial network, DDAAN),实现孪生数据到实测数据的多尺度特征迁移。该网络使用高效金字塔拆分注意力网络(efficient pyramid split attention network, EPSAnet)作为特征提取器,并嵌入高效通道注意力机制(efficient channel attention, ECA)强化特征提取能力。通过引入带权重因子的最大平均差异(λ-maximum mean difference,λ-MMD)实现多尺度特征分布的动态调整,结合领域对抗机制引导特征提取器提取域不变特征。通过实验室DDS行星齿轮箱数据集验证,结果表明,2种工况下故障诊断平均准确率均超95%,证明了所提方法的有效性。 展开更多
关键词 行星齿轮箱 故障诊断 数字孪生 迁移学习 域自适应
在线阅读 下载PDF
基于多对抗迁移学习的暂态稳定评估模型
16
作者 卢国强 李剑 +2 位作者 王亦婷 肖智伟 王怀远 《浙江电力》 2026年第1期23-33,共11页
迁移学习被引入电力系统暂态稳定评估中,以覆盖更多的评估场景。然而,当使用迁移学习方法将已知故障的分类边界知识迁移到潜在故障评估时,目标域中潜在故障的临界样本评估精度往往较低。为解决这一问题,提出一种基于多域鉴别器的多对抗... 迁移学习被引入电力系统暂态稳定评估中,以覆盖更多的评估场景。然而,当使用迁移学习方法将已知故障的分类边界知识迁移到潜在故障评估时,目标域中潜在故障的临界样本评估精度往往较低。为解决这一问题,提出一种基于多域鉴别器的多对抗迁移学习模型,引入故障严重程度指标作为先验知识,将故障样本细分为四类;通过多个域鉴别器分别对齐源域和目标域的四类样本,实现了源域与目标域数据的对齐;借助多对抗自适应框架,实现了样本分布的细粒度对齐,提升了目标域临界样本的评估精度,并进一步增强了迁移模型的正向迁移能力。IEEE 39系统和某区域电网的仿真结果验证了方法的有效性。 展开更多
关键词 暂态稳定评估 迁移学习 对抗迁移 多域鉴别器 故障严重程度
在线阅读 下载PDF
人工智能技术在航天测试发射领域的应用
17
作者 李岩 解维奇 +2 位作者 韩文婷 韩文婧 邹勤 《航天工程大学学报》 2026年第1期48-54,共7页
为挖掘人工智能(Artificial Intelligence,AI)技术在航天测试发射领域的应用潜能,分析了AI在运载器、航天器和发射场系统中的具体应用途径,包括故障诊断、任务规划、数据分析、自主控制等环节。针对数据不足、算法可解释性低、环境适应... 为挖掘人工智能(Artificial Intelligence,AI)技术在航天测试发射领域的应用潜能,分析了AI在运载器、航天器和发射场系统中的具体应用途径,包括故障诊断、任务规划、数据分析、自主控制等环节。针对数据不足、算法可解释性低、环境适应性差等瓶颈问题,提出加强数据采集、优化算法、自我完善等应对措施,探讨了AI在航天测试发射控制、测控通信、勤务保障等技术领域的应用前景,构建了航天测试发射领域AI应用体系,给出了AI技术在测试发射故障诊断方面的应用实例。研究表明:AI技术能够与航天发射测试领域深度融合、相互促进、协同发展。 展开更多
关键词 人工智能 航天测试发射 故障诊断 迁移学习 智能化转型
在线阅读 下载PDF
自动钻机钻杆转运过程故障诊断方法
18
作者 肖玉清 《煤矿机械》 2026年第2期177-181,共5页
为了监测自动钻机钻杆转运过程中机械手、钻杆箱及双夹持器的工作状态和配合状况,提出一种基于融合多源异构数据的故障诊断方法。首先,利用不同类型的传感器采集一维振动信号和二维图像信号;其次,对所采集的信号实施预处理:把机械臂图... 为了监测自动钻机钻杆转运过程中机械手、钻杆箱及双夹持器的工作状态和配合状况,提出一种基于融合多源异构数据的故障诊断方法。首先,利用不同类型的传感器采集一维振动信号和二维图像信号;其次,对所采集的信号实施预处理:把机械臂图像信号转化为轨迹信号,并将机械臂一维运动感知信号转化为图像信号,进而有效地提取全局、局部特征;最后,使用一维卷积神经网络(1DCNN)、二维卷积神经网络(2DCNN)提取同一信号源的自特征,使用具有注意力机制的互特征融合网络以融合2个传感器的故障信号,实现高精度的故障诊断。采用某型自动钻机作为试验对象,对其钻杆转运过程进行故障诊断测试。结果表明,对于抓取失效、转运失效、递送失效3种不同类型的故障诊断,准确率分别为99.46%、99.48%、98.69%,满足自动钻机钻杆转运过程故障诊断需求。 展开更多
关键词 自动钻机 故障诊断 钻杆转运 CNN YOLOv5
原文传递
基于GTCNs的航空发动机高速轴承智能故障诊断
19
作者 赵孝礼 姚建勇 +3 位作者 邓文翔 胡健 贾民平 赵荣珍 《振动.测试与诊断》 北大核心 2026年第1期70-76,216,217,共9页
针对高转速、高温升、大载荷等持续复杂的工况波动引起的航空发动机高速轴承故障诊断问题,提出了一种新型的深度图迁移学习算法,以及波动工况下基于图迁移卷积网络(graph transfer convolutional networks,简称GTCNs)的航空发动机高速... 针对高转速、高温升、大载荷等持续复杂的工况波动引起的航空发动机高速轴承故障诊断问题,提出了一种新型的深度图迁移学习算法,以及波动工况下基于图迁移卷积网络(graph transfer convolutional networks,简称GTCNs)的航空发动机高速轴承故障智能诊断方法。首先,利用阶比分析对波动工况下航空发动机高速轴承振动信号进行重采样,将其转化为阶次谱信号作为目标域与源域数据集;其次,采用训练好的一维图卷积网络(onedimensional graph convolutional networks,简称1dGCNs)作为特征提取器,对其高层敏感特征计算其动态多核-最大均值散度(dynamic multiple kernel-maximum mean discrepancy,简称DMKMMD)距离,同时匹配高层与低层特征的边缘分布差异;然后,将对齐后的特征输入到分类器softmax中进行智能故障诊断;最后,在航空发动机高速轴承故障数据上验证了所提方法的有效性与先进性。结果表明,该方法具有更高的诊断准确率与鲁棒性,可以消除大波动工况下健康状态样本分布的差异性,提高诊断可迁移性。 展开更多
关键词 航空发动机高速轴承 智能故障诊断 大转速波动 图卷积网络 迁移学习
在线阅读 下载PDF
上一页 1 2 44 下一页 到第
使用帮助 返回顶部