|
|
|
题名
|
作者
|
年代
|
出处
|
被引量
|
| 1 | 基于BiLSTM与注意力机制的剩余使用寿命预测研究显示文摘剩余使用寿命(remaining useful life,RUL)预测在现代工业中占有重要地位,如何提高剩余使用寿命预测的准确性已经成为当今研究的热点。传统的剩余使用寿命预测方式是采用基于模型的方法进行预测,需要人工提取特征,不能自动地学习特征信息,无法获得原始数据与剩余使用寿命之间的复杂映射关系。该研究提出一种基于双向长短期记忆网络(bi-directional long short term memory,BiLSTM)与注意力机制的剩余使用寿命预测模型,与已有的剩余使用寿命预测方法不同之处在于:直接将获取的原始时间序列输入到BiLSTM神经网络中,通过BiLSTM自动地提取设备状态特征信息;然后利用注意力机制对特征分配不同的权重,这样可以更准确地提取设备的健康状态信息。进行了发动机和轴承剩余使用寿命预测试验,并与长短期记忆网络(long short-term memory,LSTM)模型和BiLSTM剩余使用寿命预测模型进行比较,试验结果表明提出的BiLSTM与注意力机制相结合的模型能够更准确地进行剩余使用寿命预测,具有应用价值。 | 赵志宏 李晴 杨绍普 李乐豪 | 2022 | 振动与冲击2022，41，6： | 20 |
| 2 | 基于子领域自适应的变工况下滚动轴承故障诊断显示文摘针对变工况环境下采集到的滚动轴承振动数据特征分布不一致及待诊断样本标签较难获取的问题,提出了一种子领域自适应的深度迁移学习故障诊断方法。首先,为充分利用卷积神经网络图像特征提取能力,将滚动轴承振动信号采用连续小波变换生成图像数据集;其次,源域与目标域通用特征提取采用改进图像集预训练的ResNet-50网络结构,子领域自适应度量引入局部最大均值差异(LMMD)准则,该度量准则通过计算目标域伪标签以匹配条件分布距离来进行子领域自适应,从而减小不同工况下的子类故障特征分布差异,提高模型诊断精度;最后,在两个公开变工况滚动轴承故障数据集上进行试验验证,结果表明,本文方法平均识别准确率为99%左右,并将其与不同诊断方法进行了对比分析,说明了本文方法的有效性与优越性。 | 董绍江 朱朋 裴雪武 李洋 胡小林 | 2022 | 吉林大学学报(工学版)2022，52，2： | 8 |
| 3 | LSTM Encoder-Decoder方法预测设备剩余使用寿命显示文摘应用LSTM Encoder-Decoder提出了机械设备剩余使用寿命预测方法;对获取的传感器数据进行预处理,利用LSTM Encoder对数据序列进行编码,得到设备状态信息的中间表示,其中蕴含了设备状态的特征信息,利用LSTM Decoder对中间表示信息进行解码,利用解码后的信息预测剩余使用寿命;研究了LSTM Encoder-Decoder方法在公开的C-MAPSS数据集上的剩余使用寿命预测试验,与LSTM、D-LSTM等方法进行了对比试验;研究了不同滑动窗口大小对于剩余寿命预测结果的影响。研究结果表明:LSTM Encoder-Decoder方法的剩余使用寿命预测结果的评分函数值和均方根误差均优于LSTM、D-LSTM方法;在FD001子集上,LSTM Encoder-Decoder方法、LSTM方法和D-LSTM方法对应的均方根误差分别为11、12、16;当滑动窗口大小为30时,LSTM Encoder-Decoder方法在FD001~FD004子集对应的评分函数值分别为164、3 012、372、4 800,对应的均方根误差分别为11、20、14、22;当滑动窗口大小为40时,LSTM Encoder-Decoder方法在FD001~FD004子集对应的评分函数值分别为305、1 220、408、4 828,对应的均方根误差分别为14、16、15、19。可见,提出的LSTM Encoder-Decoder方法是一种有效的预测机械设备剩余使用寿命方法,并且滑动窗口大小对于剩余使用寿命预测结果存在一定的影响。 | 赵志宏 李晴 李乐豪 赵敬娇 | 2021 | 交通运输工程学报2021，21，6： | 3 |
| 4 | 旋转机械突发不平衡故障早期预警及诊断方法研究显示文摘旋转机械突发不平衡故障的早期预警是当前状态监测领域工程实践中的难题,对于避免设备非计划停机造成灾害事故发生具有重要的意义。针对实际工程应用中,正常数据丰富、故障数据缺乏的情况,提出一种旋转机械突发不平衡故障早期预警及诊断方法。提取正常运行工况历史数据的特征指标,构建支持矢量数据描述预警模型检测早期故障趋势,再利用包括强化特征提取、强化特征迁移、强化模式识别的强化故障诊断方法进行模式识别。应用两组石化企业实际工程故障案例作为测试数据,早期预警方法相较于传统的振动峰-峰值报警分别提前了2 400 min和4 330 min。强化故障诊断方法对两组测试数据的识别准确率分别为95%和90%,与其他故障识别方法相比诊断精度和F分数最高,标准差最低。结果表明,所提方法具有良好的早期故障检测性能,对不同设备和工况的跨域数据故障识别鲁棒性较好,领域泛化能力较强。 | 肖扬 王庆锋 杨哲 徐伟 舒悦 陈文武 | 2023 | 机械工程学报2023，59，11： | 2 |
| 5 | 综采设备健康状态评估研究综述显示文摘综采设备逐渐趋于大型化、复杂化、智能化,定期维修与事后维修等传统设备管理模式已难以满足煤矿智能化建设对设备运行的高可靠性需求。因此,研究综采设备健康状态评估相关理论及技术对煤矿智能开采技术发展意义重大。给出了综采设备健康状态评估范畴界定及综采设备健康状态评估流程。从综采设备信号获取、特征提取及融合、健康状态等级划分、健康状态评估模型建立4个方面总结了综采设备健康状态评估方法的研究现状和发展动态。分别从综采设备信号获取及传感器优化布置、数据处理及特征提取、健康状态评估模型建立、综采设备状态评估应用等方面分析了综采设备健康状态评估相关技术目前面临的挑战。针对上述研究现状及面临的挑战,从数据采集方案及故障机理研究手段提升、大数据高性能计算平台建设、深度学习评估模型建立、综采设备健康状态动态评估模型研究、综采设备健康状态评估系统开发等方面探讨了综采设备健康状态评估技术的发展趋势,指出在煤矿智能化进程中,需确保综采设备健康状态评估理论研究、算法开发和工程应用三线齐头并进。 | 曹现刚 段雍 赵江滨 杨鑫 赵福媛 樊红卫 | 2023 | 工矿自动化2023，49，9： | 0 |
| 6 | 基于路图注意力网络的轴承剩余寿命预测方法显示文摘图数据构建质量直接关系图数据驱动的轴承剩余寿命预测性能。目前传统方法通常利用不同时刻的多传感数据来构建时空图,来表征监测对象性能状态,但如何在单传感监测应用场景下构建表征轴承性能退化状态的图数据并保证其质量仍是一个开放问题。面向单传感监测应用场景,提出一种基于路图注意力网络的轴承剩余寿命预测方法。首先,计算轴承全生命周期时序振动信号的时域统计特征并构造路图,其中,路图中的边用于连接相邻时刻振动信号;在此基础上,设计一种图注意力长短时记忆网络,用于挖掘路图的图特征(节点、边连接)中隐含的时序振动信号特征和时间依赖关系,从而深层次地反映轴承全寿命退化过程。在轴承全寿命公开数据集上开展验证对比试验,结果表明,该路图构造方式明确了边连接的物理意义,并提高了图数据表征性能;所提出的预测方法能有效捕获表征轴承退化状态的图特征以及时间依赖关系,为解决单传感监测应用场景下的轴承性能退化预测问题提供借鉴。 | 杨超颖 刘颉 周凯波 | 2023 | 机械工程学报2023，59，12： | 0 |
| 7 | 基于仿真数据和子领域自适应的轴承故障网络诊断框架显示文摘在实际工业环境中,往往缺乏相应工况的轴承故障数据用于模型训练,这限制了深度学习在工业场景中的应用。基于此,采用两种建模方式生成了轴承故障信号,将其用于训练模型,并利用深度子领域自适应方法,缩小了模拟信号和真实信号间的差异,提升了模型对真实信号的诊断精度。首先,采用数学建模和基于LS-DYNA的有限元仿真两种方式建立了轴承故障仿真模型,以获取与实际场景相同工况下的轴承故障仿真加速度信号;其次,针对仿真数据和真实数据存在差异的问题,利用子领域自适应方法得到了对齐仿真数据和实际数据的全局特征分布以及相关子领域的特征分布;最后,采用原始一维振动信号作为输入,在残差神经网络(ResNet)模型架构上完成了端到端的轴承故障分类工作;将德国帕德博恩大学采集到的轴承故障信号作为实验数据,对上述模型的有效性进行了验证。研究结果表明:相较于有限元仿真,数学建模生成的仿真信号能够较轻易地迁移到实际信号,在无标签数据场景下具有99.73%的轴承故障识别精度,体现了数学建模在无监督轴承故障诊断领域的广阔应用前景,是在真实工业系统和人工智能之间架起桥梁的关键技术。 | 韩洁 苏小平 康正阳 | 2024 | 机电工程2024，41，1： | 0 |
您所在的机构暂未开通此部分的功能，请联系管理员