【摘 要】
：
研究高效、准确、快速的基于数据驱动的旋转机械故障诊断方法具有重要意义。深度学习（DL）是数据驱动方法的一个重要分支,在故障诊断方法中得到了越来越多的关注。虽然DL方法在旋转机械故障诊断中取得了很好的效果,但大多数方法的性能会随着工作条件的变化而急剧下降。为了解决这个问题,我们设计了一个迁移学习框架,用于更快、更准确的旋转机械故障诊断。为了提高模型训练和诊断速度并减少模型的参数量。首先,我们设计了一
论文部分内容阅读
研究高效、准确、快速的基于数据驱动的旋转机械故障诊断方法具有重要意义。深度学习（DL）是数据驱动方法的一个重要分支,在故障诊断方法中得到了越来越多的关注。虽然DL方法在旋转机械故障诊断中取得了很好的效果,但大多数方法的性能会随着工作条件的变化而急剧下降。为了解决这个问题,我们设计了一个迁移学习框架,用于更快、更准确的旋转机械故障诊断。为了提高模型训练和诊断速度并减少模型的参数量。首先,我们设计了一个一维轻量级卷积神经网络（1D-LCNN）骨干,该网络可以直接从原始振动信号中快速提取有用的特征。我们讨论了样本采样长度、批大小等参数对网络的影响,通过特征可视化探究了模型各个模块的作用,并与其他模型进行了对比实验,验证了1D-LCNN的优越性。为了实现跨工况故障诊断,我们引入子域自适应策略与1D-LCNN骨干网络相结合又提出了了一个一维轻量级子域自适应网络（1D-LDSAN）框架。首先用1D-LCNN骨干网络提取特征。然后引入局部最大均值差异（LMMD）作为一个损失来对齐源域数据和目标域数据的概率分布,最后用全连接神经网络进行分类。我们使用美国凯斯西储大学（CWRU）数据集的轴承数据验证了所提出框架在不同工作条件下的性能。实验结果表明,与主流DL方法相比,1D-LDSAN对12个迁移学习任务的分类精度更高。此外,当仅用小部分未标记的目标域数据用于训练时,该框架可以得到令人满意的结果。
其他文献
互联网的全面覆盖，促进了跨境电商的发展。跨境电商直播拓展了销售范围，面对的受众群体遍布全球，这就对跨境电商直播人才提出新的要求，需要其具有较强的英语运用能力，可以用英语进行商品介绍和商业运营。本文主要对跨境电商直播背景下跨境电商英语人才语言技能培养现状进行分析，并探究跨境电商英语人才语言技能培养路径。
高端装备智能制造正向着自动化、智能化飞速发展,高端装备生产装配过程中其构件的准确检测是智能制造实现的关键,计算机视觉因其非接触和高精度的特点被广泛应用于构件的检测,被测构件图像的质量直接影响着被测构件视觉检测的准确性。在被测构件的成像过程中,成像系统的离焦、相对运动和镜面高光会造成被测构件图像的混合退化。现有的图像复原方法大多针对图像中存在单一退化情况进行处理,难以准确实现混合退化的被测构件图像复
随着国内机动车数量的逐渐增多,城市居民面临着越来越严重的交通噪声问题。根据《中华人民共和国道路交通安全法实施条例》第62条第八项规定:“驾驶机动车不得在禁止鸣喇叭的区域或者路段鸣喇叭”,为监管禁止鸣笛区域中出现乱鸣笛情况,辅助监管的鸣笛监测系统应运而生。而鸣笛监测系统缺乏相应的国家计量校准规范来规定该系统需要达到的性能和准确度。因此,对鸣笛监测系统关键参数的校准方法研究具有十分重要的实际意义。本文
锅炉燃烧系统具有较强的非线性和耦合性,调节不当会造成燃烧不稳定,效率低下,甚至威胁机组安全。随机分布控制系统是随机控制体系的重要组成部分。在随机分布控制理论中,输出概率密度函数（Probability Density Function,PDF）可以更全面地描述系统的输出信息,控制系统实际输出PDF的形状即可获得期望的产品特性。利用随机分布控制理论对温度场分布进行建模与控制,可以克服电站燃烧控制系统
随着工业过程的复杂性不断增高,保证生产过程的安全显得愈发重要。故障诊断技术在生产安全方面扮演了十分重要的角色,近年来随着信息技术的不断发展,工业过程中的数据更加容易采集和保存,对基于数据驱动的工业故障诊断提供了支撑。基于此,本文开展了以下关于故障诊断方法的研究工作:（1）提出一种基于自适应顺序形态滤波器（Adaptive Rank-Order Morphological Filter,AROMF）
矿浆输送管道由于上下起伏大、高程差变化大的特点,以及柱塞泵的工作特性和调泵操作的频繁发生,使得管道内部频繁产生异常信号。这些异常信号的存在严重干扰了管道泄漏信号的准确识别,导致较多误报和漏报的产生。准确地识别出异常信号的类别及其出现的时间区间,可以为减少误报和漏报提供有效的技术支持。但是,目前尚没有一种有效的方法可以准确地识别并定位频繁出现的异常信号。在此背景下,本文开展了基于深度学习的矿浆输送管
在复杂的现代工业中,生产环节中装置多、工业流程复杂,工业流程经常需要被监测,比如工业系统中的安全性。同时,生产安全是工业流程中至关重要的因素。这是使现代工业稳定发展的关键基石。因此,对工业过程中的故障报警需要准确的定位和溯源分析。但是,随着工业过程复杂度的增加,准确得定位并诊断出其过程中存在的问题变得越来越难。得益于贝叶斯网络在故障定位和推理的过程中存在的许多优势和特点,这将大大降低复杂工业过程的
智能机器设备方便了人们的生活,为了使它们获得更多处理事物的能力,利用机器对物体进行感知成为了研究人员的关注热点。近些年,研究人员通过模拟人体的感知系统,来使机器获得感知物体信息的能力。其中,机器触觉与机器视觉是研究人员研究的重点。在机器触觉方面,人们研制出了压力触觉传感器,然而当前的压力触觉传感器制作工艺复杂、不易阵列式多点分布并且信号读取易受干扰,进而造成获取压力触觉信息的不完整;在机器视觉方面
间歇过程是化工生产、生物制药等行业的主要生产方式,具有多模态、非线性、多变量等特点。受传感器技术的制约,间歇过程中存在底物浓度、产物浓度等难以直接测量的过程变量,直接影响间歇过程的在线监测和优化控制,导致生产效率降低并且难以保证间歇过程的安全运行。软测量技术通过建立容易测量的辅助变量和难以直接测量的主导变量之间的数学模型,实现对主导变量的在线估计。现有的间歇过程软测量混合建模方法没有考虑模型参数数
随着时代的发展与技术的进步,人们对于过程的安全性以及产品的质量需求逐渐增强,基于数据的状态监测受到更多的学者关注与研究,其中拥有诸多优点的多变量统计分析算法备受青睐。本文主要基于统计方法中典型相关分析算法做出一些改进工作,典型相关分析的优化目标为寻求一对转换向量使得过程变量的线性组合与关键性能指标的线性组合之间的相关性最大。然而典型相关分析只考虑变量与投影向量间的线性关系,且在应用于状态监测时也无