基于深度迁移自编码器的变工况下滚动轴承故障诊断方法

在实际工业场景下的轴承故障诊断,存在轴承故障样本不足,训练样本与实际信号样本存在分布差异的问题;文章提出一种新的基于深度迁移自编码器的故障诊断方法FS-DTAE,应用于不同工况下的轴承故障诊断;该方法首先采用小波包变换进行信号处理与特征提取;其次,采用提出的基于朴素贝叶斯与域间差异的特征选取(FSBD)方法对统计特征进行评估,选取更有利于跨域故障诊断和迁移学习的特征;然后,利用源域特征数据训练深度自编码器,将训练得到的模型参数迁移至目标域,再利用目标域正常状态样本对深度迁移自编码器模型进行微调,微调后的模型用于目标域无标签特征数据的故障分类;最后,基于CWRU轴承故障数据开展不同工况下故障诊断实验,结果表明,所提出的FS-DTAE方法能够有效提高不同工况下的故障诊断准确率。     

基于深度学习的永磁同步电机故障诊断方法

针对永磁同步电机匝间短路和永磁体失磁故障因处理复杂、特征独立单一和样本稀少等因素引起的诊断偏差问题,提出一种基于深度学习变分自编码网络的故障特征样本快速扩展策略及融合稀疏自编码网络的故障诊断方法。通过组合永磁同步电机频域电流、磁通密度、电磁转矩特征,结合变分自编码网络的生成模型实现故障真实样本扩张,构建丰富、多样、更具鲁棒性的训练集合。将优化数据集输入稀疏自编码网络训练诊断模型,用测试数据验证网络的优劣。实验结果表明,相比传统故障诊断方法,该算法能更加高效快速地实现匝间短路及失磁故障诊断。     

基于图卷积网络的迁移学习轴承服役故障诊断

深度学习方法被广泛应用于轴承故障诊断,但在实际工程应用中,轴承服役期间的真实服役故障数据不易收集,缺乏数据标签,难以进行充分的训练。针对轴承服役故障诊断困难的问题,提出了一种基于图卷积网络（GCN）的迁移学习轴承服役故障诊断模型。该模型从数据充足的人工模拟损伤故障数据中学习故障知识,并迁移到真实的服役故障上,以提高服役故障的诊断准确率。具体来说,通过将人工模拟损伤故障数据和服役故障数据的原始振动信号由小波变换转换为同时具有时间和频率信息的时频图,并将得到的时频图输入到图卷积层中进行学习,从而有效地提取源域和目标域的故障特征表示;然后计算源域和目标域的数据分布之间的Wasserstein距离来度量两个数据分布之间的差异,通过最小化数据分布差异,构建了一个能诊断轴承服役故障的故障诊断模型。在不同的轴承故障数据集和不同工作条件下设计了多种不同的任务进行实验,实验结果表明,该模型具有诊断轴承服役故障的能力,同时也能从一个工作条件迁移到另一工作条件,在不同组件类型和不同工作条件之间进行故障诊断。     

滚动轴承细粒度故障诊断研究

针对目前滚动轴承故障诊断主要采用监督式深度学习提取故障特征以及检测故障种类为粗粒度的现状,提出一种基于高斯混合模型（Gaussian mixed models,GMM）和深度残差收缩网络（deep residual shrinkage networks,DRSN）的滚动轴承细粒度故障诊断方法。GMM模型集成多个高斯分布函数,拟合细粒度故障数据的分布情况,实现对没有标签的轴承振动信号进行聚类,DRSN模型中注意力机制从大量故障特征信息中聚焦于对当前任务更为关键的信息,软阈值化旨在为处于不同健康状态的轴承样本设置不同的阈值。在凯斯西储大学（Case Western Reserve University,CWRU）滚动轴承故障数据中收集30种轴承健康状态对该方法进行了验证,结果表明,将非监督模型与深度学习模型融合,能够处理不含标签情况下的轴承故障数据,实现对轴承故障进行细粒度分类的目的,为后续的设备维护提供依据,具有较好的实际工程意义和推广性。     

多级神经网络的轴承故障诊断研究

针对工业生产中轴承故障发生率高、危害大、不易察觉等问题,提出一种由改进的感知器、动态路由算法和随机优化算法集成的多级神经网络故障诊断模型。通过随机等间隔无重复采样的方式对轴承振动信号数据库进行扩充,并根据故障类型做好对应标签;通过改进的多层感知器提取故障特征,由动态路由算法对所提取特征进行预测分类,进而由损失函数得出分类误差,在误差反向传播中由自适应学习速率算法筛选学习速率,并由随机优化算法（Adam）更新权值以优化网络模型。最后进行轴承故障分类的数值仿真实验,结果表明该故障诊断模型能实现高精度轴承故障诊断与分类。     

改进深层小波自编码器的轴承故障诊断方法

针对传统滚动轴承故障诊断方法过度依赖专家经验和故障特征提取困难的问题,结合深度学习处理高维、非线性数据的优势,提出一种基于改进深层小波自编码器的轴承智能故障诊断方法。该方法改进小波自编码器的损失函数并引入收缩项限制,再将多个小波自编码器进行堆叠构成深层小波自编码器,并引入“跨层”连接缓解梯度消失现象,最后利用大量无标签数据对网络进行无监督预训练并利用少量带标签数据对模型参数有监督微调。轴承诊断实验结果表明,该方法能有效地对轴承进行多种故障类型和多种故障程度的识别,特征提取能力和识别能力优于人工神经网络、深度信念网络、深度自编码器等方法。     

基于迁移QCNN的孪生网络轴承故障诊断方法

轴承故障诊断对于降低旋转机械的损坏风险,进一步提高经济效益具有重要意义。深度学习在轴承故障诊断中应用广泛,但是深度学习模型在训练与测试时容易受到噪声的干扰导致性能下降。并且轴承的工况变化频繁,不同工况下的数据采集困难。对此,提出了一种基于迁移QCNN的孪生网络轴承故障诊断方法,先预训练QCNN获取具有较强判别性的模型参数,将预训练的参数迁移到QCNN作为子网络的孪生网络中,然后正常训练孪生网络获取模型,最后将测试数据与故障数据组成数据对输入模型,即可得到测试数据的故障类型。该方法将QCNN与孪生网络相结合,QCNN中的Quadratic神经元具有强大的特征提取能力,孪生网络共享权重和相对关系的训练方式,使得模型可以缓解噪声和工况数据不平衡问题的影响。实验结果显示,相较与传统机器学习模型和QCNN等模型,所提出方法在面对噪声和工况数据不平衡问题表现更好。     

基于SE-ResNeXt的滚动轴承故障诊断方法

针对滚动轴承在故障诊断过程中信号特征提取困难导致诊断准确率低、鲁棒性差的问题,提出一种基于Squeeze-Excitation-ResNeXt(SE-ResNeXt)网络的滚动轴承故障诊断方法;将采集的一维轴承振动信号作为输入,进行滑动窗口采样与标准化处理,通过压缩、激励操作进行特征重标定,扩大模型感受野,并级联聚集残差变换网络自适应提取故障信号特征;在模型训练过程中选择最优压缩率为1/8以及8个组卷积,引入Relu函数加快网络收敛,使用全局平均池化替代全连接层避免过拟合现象,构造能够自主进行表征学习的最优故障诊断模型;通过仿真实验表明:与目前的深度学习算法相比,SE-ResNeXt网络能够准确的实现轴承故障诊断,并在高噪声的环境下仍具有较好的鲁棒性。     

基于深度学习的轴承故障智能诊断方法研究

针对一些轴承传统故障诊断算法模型简易造成的诊断结果精度不高且稳定度不高的问题,进一步提高故障诊断的精度和稳定度,文章提出了基于深度学习的轴承故障智能诊断方法。首先采用小波对数据进行去噪处理;然后使用深度卷积神经网络训练数据自动学习特征,并加入Dropout正则化技术避免模型的过拟合;最后使用机器学习SKlearn库下的SVC模块搭建SVM分类器并使用Adam算法进行模型的搭建和优化。实验结果表明,文章提出的故障诊断方法平均故障诊断率达到99.7%,对工业生产中的设备故障诊断具有较大意义。     

面向微小振动故障诊断的匹配小波深度迁移学习

针对传统方法在微小振动故障诊断中存在的特征识别效率低和样本数量有限等问题,提出匹配小波深度模型迁移学习方法。首先利用Morse连续小波对一维故障信号进行匹配升维,捕捉微小变化,得到可视化强化特征图像;其次对深度迁移网络源域模型进行有效迁移,该模型具有高效的图像学习经验,可降低目标域训练样本数量;最后在模型迁移中根据有限数据进行流程的参数优化。实验证明,该方法泛化能力强,可对多工况下微小特征进行检测与定位,并有效减少对数据的依赖,能够极大提高运算速度和诊断精度。     

仿生机器鱼的动力学仿真

仿生机器鱼的研究受到各国越来越多的研究工作者的重视,并取得了一定的成果.本文着重研究了仿生机器鱼的尾鳍的动力学并建立了仿生机器鱼的运动模型,并对该模型进行了计算机仿真,研究探索了仿生机器鱼的前进速度与尾鳍摆角、摆动频率、摆动幅度之间的关系.     

多种燃料锅炉效率曲线的辨识方法

多种燃料锅炉的运行优化是钢铁联合企业节约能源的一个主要方法,但是这种锅炉的效率曲线的辨识却是一个复杂而困难的非线性最小二乘问题。借鉴大系统递阶算法的思想,本文提出了一种新的两级递阶辨识的算法。这种算法通过预估关联量,将非线性最小二乘问题转化为两级线性最小二乘问题。实验的结果证明:这种算法是一种有效的算法。     

PERCEPTION OF AREA OF INTERPOLATED FIGURES

The area perception of incomplete (interpolated) geometric figures is studied. The obtained data are discussed in order to compare them with the results of our previous experiments where complete figures were studied. The results of the present experiment support the validity of the model of area perception that is based on the concept of image function. The different contributions of the perceptual processes as well as of the cognitive processes to the area estimation are discussed.     

并发代码的继承问题

文献[1]提出了一种新的刻划并发行为的方法.本文继续讨论这种方法在面向对象的程序设计中是如何解决并发代码在继承过程中的冲突问题的.     

多台电轴系统稳定性区域之扩大

刘永清在[1]、[2]中研究了疏松桂提出的多台电轴系统的稳定性,本文应用标量函数分解法,从如何寻求尽可能大的稳定域的观点出发,研究了电力拖动自动控制系统中带平衡机的n台电轴系统的稳定性,扩大了参数稳定性区域,并给出渐近稳定性区域估计式。     

溴代胞嘧啶对三螺旋DNA稳定性的影响

研究了三螺旋ＤＮＡ中胞嘧啶被５－溴有包嘧啶取代后的稳定性问题。通过建立ＣＧＣ、ＣＧＢｒＣ,ＢｒＧＣ和ＢｒＣＧＢｒＣ４种模型。并２ＩｎｓｉｇｈｔⅡ软件包中的Ｄｉｓｃｏｖｅｒ程度进行计算模拟,骼５－溴胞嘧啶取代三螺肇ＤＮＡ分子中的胞嘧啶后,整个分子的稳定性与有所降低。同时,当用５－溴胞嘧啶取代三螺旋ＤＮＡ不同链上的胞嘧啶时,被取代链的碱基堆积能显著增高,导致分子人稳定性降低,但被取代链和相邻链同相互和     

智能优化策略的比较

智能优化是从诸多新兴学科衍生出来的前沿科学，本文研究了智能优化的策略，对计算智能策略进行了分析比较，并举出了在工程实践中用这些策略进行智能优化的实例，从中得出有意义的结论。     

人体三围特征计算的研究与实现

文中提出了一个基于多边形逼近和凸包球取的人体三围特征计算方法。首先给出了一个具有确定性的高效的多边形逼年算法，运用该算法对人体横截面边界进行特征化处理，再通过特征识别抽取人体三围的特征多边形，最后通过计算凸包的方法获取人体三围特征值。文中提出的方法已运用于一个综合化的服装ＣＡＤ系统中。     

计算机仿真系统的可信度评估

相似理论是计算机仿真的基础,它在建立仿真模型、仿真可信性评估等方面都有很好的指导作用,在文中分析相似理论中的序结构定律的基础上,将序结构定律运用于计算机仿真系统的相似评定中,并给出了具体的算法。对如何评估仿真系统的相似度问题,在理论上作了一定的研究和探讨。     

表的等价性的NP完全性的讨论

本文给出了表的等价性判定的一些结果：三元可满足性问题，表达式的ＮＰ完全性，表的ＮＰ完全性，还给出了函数依赖对表的影响，强等价性的复杂性的一些讨论。为对表的进一步研究屯指出了方向。