期刊导航
期刊开放获取
重庆大学
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
4
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
采用残差网络与卷积注意力机制的设备剩余使用寿命预测方法
被引量：
9
1
作者
莫仁鹏
李天梅
+1 位作者
司小胜
朱旭
《西安交通大学学报》
EI
CAS
CSCD
北大核心
2022年第4期194-202,共9页
针对以往剩余使用寿命(RUL)预测方法均等对待深层特征中具有不同重要性的空间域和通道域特征,导致大量的计算资源浪费在不重要的特征上,进而造成RUL预测值偏差过大、不能对失效设备进行及时的维护以避免潜在的安全隐患的问题,提出一种...
针对以往剩余使用寿命(RUL)预测方法均等对待深层特征中具有不同重要性的空间域和通道域特征,导致大量的计算资源浪费在不重要的特征上,进而造成RUL预测值偏差过大、不能对失效设备进行及时的维护以避免潜在的安全隐患的问题,提出一种采用残差网络与卷积注意力机制的端到端的RUL预测方法。该方法以卷积层和池化层对原始监测信号进行浅层特征提取与压缩;利用堆叠残差模块在学习深层特征的同时,缓解梯度弥散以及网络退化现象的发生;由卷积注意力模块对设备的深层退化特征进行加权赋值,分别在其空间维度上和通道维度上强化更重要的特征并抑制相对不重要的特征,使网络的注意力集中在对RUL预测任务更关键的信息上;将加权后的特征输入到全连接网络中映射得到RUL预测值。通过PHM2012轴承数据集进行了实验验证,实验结果表明,卷积注意力和残差结构皆对改善模型的预测性能有着积极的作用,所提方法在测试轴承上的均方根误差和平均绝对误差分别为0.1079和0.0831,远低于其他对比方法。
展开更多
关键词
剩余使用寿命
残差网络
卷积注意力
端到端
下载PDF
职称材料
基于多尺度特征与注意力机制的轴承寿命预测
被引量：
5
2
作者
莫仁鹏
司小胜
+1 位作者
李天梅
朱旭
《浙江大学学报（工学版）》
EI
CAS
CSCD
北大核心
2022年第7期1447-1456,共10页
针对以往剩余使用寿命(RUL)预测方法对轴承退化信息挖掘不充分、忽视不同特征贡献度差异,影响预测准确性的问题,提出基于多尺度特征与注意力机制的轴承RUL预测方法.在多个尺度下计算轴承原始振动信号的若干时域和频域特征,作为输入特征...
针对以往剩余使用寿命(RUL)预测方法对轴承退化信息挖掘不充分、忽视不同特征贡献度差异,影响预测准确性的问题,提出基于多尺度特征与注意力机制的轴承RUL预测方法.在多个尺度下计算轴承原始振动信号的若干时域和频域特征,作为输入特征集.将多尺度特征集输入到网络中,以注意力模块为不同特征自适应地分配最佳权重,以卷积神经网络(CNN)模块进行深层特征提取与多尺度特征融合,通过前馈神经网络(FNN)模块映射得到RUL预测值.通过公开的轴承数据集进行实验验证,与其他RUL预测方法相比,所提方法的预测性能更优越.
展开更多
关键词
剩余使用寿命预测
多尺度特征
注意力机制
卷积神经网络(CNN)
轴承
下载PDF
职称材料
基于多粗粒度与注意力网络的轴承剩余寿命预测
被引量：
3
3
作者
莫仁鹏
司小胜
+2 位作者
李天梅
朱旭
胡昌华
《中国测试》
CAS
北大核心
2021年第10期1-6,共6页
考虑到轴承的振动信号往往分布在多个时间尺度上,该文提出一种基于多粗粒度与注意力网络的轴承剩余寿命(RUL)预测方法。首先采用多尺度粗粒度操作处理轴承的原始振动信号,从而获得蕴含更丰富退化信息的多尺度信号,在网络中以多尺度池化...
考虑到轴承的振动信号往往分布在多个时间尺度上,该文提出一种基于多粗粒度与注意力网络的轴承剩余寿命(RUL)预测方法。首先采用多尺度粗粒度操作处理轴承的原始振动信号,从而获得蕴含更丰富退化信息的多尺度信号,在网络中以多尺度池化层来实现多尺度粗粒度操作;其次,基于大步幅卷积等网络层对多尺度信号进行深层特征提取、压缩、融合;此外,在网络中引入改进的卷积注意力模块为深层特征进行重标定,自适应地为不同通道和不同空间分配最佳权重;最后,将经注意力加权后的特征输入到前馈神经网络中映射得到RUL值。通过PRONOSTIA轴承数据进行实验分析,实验结果验证所提方法的有效性与优越性。
展开更多
关键词
剩余寿命预测
多粗粒度
注意力
轴承
下载PDF
职称材料
基于半随机滤波的线性退化设备剩余寿命预测
被引量：
2
4
作者
朱旭
司小胜
+1 位作者
胡昌华
莫仁鹏
《电光与控制》
CSCD
北大核心
2022年第5期97-101,共5页
剩余寿命(RUL)预测是当前设备健康管理技术研究的核心。在现有的剩余寿命预测方法中,半随机滤波方法具有能够充分利用历史监测信息的优势,因而得到了广泛应用。然而,在现有的基于半随机滤波的剩余寿命预测研究中,半随机滤波模型需要的...
剩余寿命(RUL)预测是当前设备健康管理技术研究的核心。在现有的剩余寿命预测方法中,半随机滤波方法具有能够充分利用历史监测信息的优势,因而得到了广泛应用。然而,在现有的基于半随机滤波的剩余寿命预测研究中,半随机滤波模型需要的初始寿命分布主要依赖数据拟合的方法获得,没有充分利用寿命数据和设备退化的先验知识。为解决该问题,提出了一种考虑设备退化先验知识的基于半随机滤波的线性随机退化设备剩余寿命预测方法。该方法依据线性随机退化设备的退化失效特点,采用逆高斯分布描述设备的寿命分布,利用半随机滤波技术预测设备的剩余寿命,其中,模型参数基于历史监测数据通过极大似然方法估计得到。最后,基于疲劳裂纹增长数据进行了验证,结果表明,所提方法能够有效提高剩余寿命预测精度。
展开更多
关键词
剩余寿命预测
半随机滤波
性能退化
逆高斯分布
下载PDF
职称材料
题名
采用残差网络与卷积注意力机制的设备剩余使用寿命预测方法
被引量：
9
1
作者
莫仁鹏
李天梅
司小胜
朱旭
机构
火箭军工程大学导弹工程学院
出处
《西安交通大学学报》
EI
CAS
CSCD
北大核心
2022年第4期194-202,共9页
基金
国家自然科学基金优秀青年科学基金资助项目(61922089)
国家自然科学基金资助项目(61773386,62073336)。
文摘
针对以往剩余使用寿命(RUL)预测方法均等对待深层特征中具有不同重要性的空间域和通道域特征,导致大量的计算资源浪费在不重要的特征上,进而造成RUL预测值偏差过大、不能对失效设备进行及时的维护以避免潜在的安全隐患的问题,提出一种采用残差网络与卷积注意力机制的端到端的RUL预测方法。该方法以卷积层和池化层对原始监测信号进行浅层特征提取与压缩;利用堆叠残差模块在学习深层特征的同时,缓解梯度弥散以及网络退化现象的发生;由卷积注意力模块对设备的深层退化特征进行加权赋值,分别在其空间维度上和通道维度上强化更重要的特征并抑制相对不重要的特征,使网络的注意力集中在对RUL预测任务更关键的信息上;将加权后的特征输入到全连接网络中映射得到RUL预测值。通过PHM2012轴承数据集进行了实验验证,实验结果表明,卷积注意力和残差结构皆对改善模型的预测性能有着积极的作用,所提方法在测试轴承上的均方根误差和平均绝对误差分别为0.1079和0.0831,远低于其他对比方法。
关键词
剩余使用寿命
残差网络
卷积注意力
端到端
Keywords
remaining useful life
residual network
convolutional attention
end-to-end
分类号
TH17 [机械工程—机械制造及自动化]
下载PDF
职称材料
题名
基于多尺度特征与注意力机制的轴承寿命预测
被引量：
5
2
作者
莫仁鹏
司小胜
李天梅
朱旭
机构
火箭军工程大学导弹工程学院
出处
《浙江大学学报（工学版）》
EI
CAS
CSCD
北大核心
2022年第7期1447-1456,共10页
基金
国家自然科学基金资助项目(61773386,62073336)
国家自然科学基金优秀青年资助项目(61922089).
文摘
针对以往剩余使用寿命(RUL)预测方法对轴承退化信息挖掘不充分、忽视不同特征贡献度差异,影响预测准确性的问题,提出基于多尺度特征与注意力机制的轴承RUL预测方法.在多个尺度下计算轴承原始振动信号的若干时域和频域特征,作为输入特征集.将多尺度特征集输入到网络中,以注意力模块为不同特征自适应地分配最佳权重,以卷积神经网络(CNN)模块进行深层特征提取与多尺度特征融合,通过前馈神经网络(FNN)模块映射得到RUL预测值.通过公开的轴承数据集进行实验验证,与其他RUL预测方法相比,所提方法的预测性能更优越.
关键词
剩余使用寿命预测
多尺度特征
注意力机制
卷积神经网络(CNN)
轴承
Keywords
remaining useful life prediction
multi-scale feature
attention mechanism
convolutional neural network(CNN)
bearing
分类号
TH133 [机械工程—机械制造及自动化]
下载PDF
职称材料
题名
基于多粗粒度与注意力网络的轴承剩余寿命预测
被引量：
3
3
作者
莫仁鹏
司小胜
李天梅
朱旭
胡昌华
机构
火箭军工程大学导弹工程学院
出处
《中国测试》
CAS
北大核心
2021年第10期1-6,共6页
基金
国家自然科学基金项目(61773386,62073336)
国家自然科学优秀青年基金项目(61922089)。
文摘
考虑到轴承的振动信号往往分布在多个时间尺度上,该文提出一种基于多粗粒度与注意力网络的轴承剩余寿命(RUL)预测方法。首先采用多尺度粗粒度操作处理轴承的原始振动信号,从而获得蕴含更丰富退化信息的多尺度信号,在网络中以多尺度池化层来实现多尺度粗粒度操作;其次,基于大步幅卷积等网络层对多尺度信号进行深层特征提取、压缩、融合;此外,在网络中引入改进的卷积注意力模块为深层特征进行重标定,自适应地为不同通道和不同空间分配最佳权重;最后,将经注意力加权后的特征输入到前馈神经网络中映射得到RUL值。通过PRONOSTIA轴承数据进行实验分析,实验结果验证所提方法的有效性与优越性。
关键词
剩余寿命预测
多粗粒度
注意力
轴承
Keywords
remaining life prediction
multiple coarse-grained
attention
bearing
分类号
TH133 [机械工程—机械制造及自动化]
下载PDF
职称材料
题名
基于半随机滤波的线性退化设备剩余寿命预测
被引量：
2
4
作者
朱旭
司小胜
胡昌华
莫仁鹏
机构
火箭军工程大学
出处
《电光与控制》
CSCD
北大核心
2022年第5期97-101,共5页
基金
国家自然科学优秀青年基金(61922089)
国家自然科学基金面上项目(61773386)。
文摘
剩余寿命(RUL)预测是当前设备健康管理技术研究的核心。在现有的剩余寿命预测方法中,半随机滤波方法具有能够充分利用历史监测信息的优势,因而得到了广泛应用。然而,在现有的基于半随机滤波的剩余寿命预测研究中,半随机滤波模型需要的初始寿命分布主要依赖数据拟合的方法获得,没有充分利用寿命数据和设备退化的先验知识。为解决该问题,提出了一种考虑设备退化先验知识的基于半随机滤波的线性随机退化设备剩余寿命预测方法。该方法依据线性随机退化设备的退化失效特点,采用逆高斯分布描述设备的寿命分布,利用半随机滤波技术预测设备的剩余寿命,其中,模型参数基于历史监测数据通过极大似然方法估计得到。最后,基于疲劳裂纹增长数据进行了验证,结果表明,所提方法能够有效提高剩余寿命预测精度。
关键词
剩余寿命预测
半随机滤波
性能退化
逆高斯分布
Keywords
remaining useful lifetime prediction
semi-stochastic filter
performance degradation
inverse Gaussian distribution
分类号
TP202.1 [自动化与计算机技术—检测技术与自动化装置]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
采用残差网络与卷积注意力机制的设备剩余使用寿命预测方法
莫仁鹏
李天梅
司小胜
朱旭
《西安交通大学学报》
EI
CAS
CSCD
北大核心
2022
9
下载PDF
职称材料
2
基于多尺度特征与注意力机制的轴承寿命预测
莫仁鹏
司小胜
李天梅
朱旭
《浙江大学学报（工学版）》
EI
CAS
CSCD
北大核心
2022
5
下载PDF
职称材料
3
基于多粗粒度与注意力网络的轴承剩余寿命预测
莫仁鹏
司小胜
李天梅
朱旭
胡昌华
《中国测试》
CAS
北大核心
2021
3
下载PDF
职称材料
4
基于半随机滤波的线性退化设备剩余寿命预测
朱旭
司小胜
胡昌华
莫仁鹏
《电光与控制》
CSCD
北大核心
2022
2
下载PDF
职称材料
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
