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
2
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
基于SVM和D-S证据理论的电力变压器内部故障部位识别
被引量：
23
1
作者
司马莉萍
舒乃秋
+2 位作者
李自品
黄勇
罗晓庆
《电力自动化设备》
EI
CSCD
北大核心
2012年第11期72-77,共6页
针对变压器信息融合诊断方法中难以确定基本概率分配(BPA)的缺陷,提出一种基于多支持向量机(SVM)与D-S证据理论的变压器内部故障部位识别模型。利用"一对一"多类SVM后验概率估计分配BPA,实现其赋值的客观化;充分利用变压器油...
针对变压器信息融合诊断方法中难以确定基本概率分配(BPA)的缺陷,提出一种基于多支持向量机(SVM)与D-S证据理论的变压器内部故障部位识别模型。利用"一对一"多类SVM后验概率估计分配BPA,实现其赋值的客观化;充分利用变压器油中溶解气体分析数据和电气试验数据的互补信息,对变压器内部可能发生故障的部位进行诊断。实例分析表明,所提模型能有效识别故障部位,在准确率和泛化性方面都较单特征的SVM有优势。
展开更多
关键词
变压器
支持向量机
D-S证据理论
后验概率
故障部位识别
模型
下载PDF
职称材料
基于深度学习的航空发动机不平衡故障部位识别
被引量：
10
2
作者
陈果
杨默晗
于平超
《航空动力学报》
EI
CAS
CSCD
北大核心
2020年第12期2602-2615,共14页
针对基于机匣测点的航空发动机不平衡故障部位识别问题,提出了基于深度卷积神经网络的航空发动机不平衡故障部位诊断方法。针对某典型双转子航空发动机,建立整机耦合动力学模型,并利用数值积分算法实现不平衡故障数值仿真;在从发动机压...
针对基于机匣测点的航空发动机不平衡故障部位识别问题,提出了基于深度卷积神经网络的航空发动机不平衡故障部位诊断方法。针对某典型双转子航空发动机,建立整机耦合动力学模型,并利用数值积分算法实现不平衡故障数值仿真;在从发动机压气机端到涡轮端的高、低压转子上选择4个不平衡故障部位作为诊断对象,通过仿真分析得到发动机典型转速下的转子不同部位不平衡故障的仿真样本;计算4个机匣测点信号的规范化频谱,通过对大量仿真数据的处理得到反映不同不平衡故障部位的故障样本集;利用仿真得到的大量不平衡故障样本,训练深度卷积神经网络,利用深度卷积神经网络的优良特征学习能力实现航空发动机不平衡故障的不同部位进行识别,数值试验结果表明该方法对航空发动机不平衡故障部位的识别准确率达到95%。
展开更多
关键词
深度卷积神经网络
航空发动机转子系统
机匣测点
不平衡
故障
故障部位识别
原文传递
题名
基于SVM和D-S证据理论的电力变压器内部故障部位识别
被引量：
23
1
作者
司马莉萍
舒乃秋
李自品
黄勇
罗晓庆
机构
武汉大学电气工程学院
出处
《电力自动化设备》
EI
CSCD
北大核心
2012年第11期72-77,共6页
基金
国家自然科学基金资助项目(51207113)~~
文摘
针对变压器信息融合诊断方法中难以确定基本概率分配(BPA)的缺陷,提出一种基于多支持向量机(SVM)与D-S证据理论的变压器内部故障部位识别模型。利用"一对一"多类SVM后验概率估计分配BPA,实现其赋值的客观化;充分利用变压器油中溶解气体分析数据和电气试验数据的互补信息,对变压器内部可能发生故障的部位进行诊断。实例分析表明,所提模型能有效识别故障部位,在准确率和泛化性方面都较单特征的SVM有优势。
关键词
变压器
支持向量机
D-S证据理论
后验概率
故障部位识别
模型
Keywords
electric transformers
support vector machines
D-S evidence theory
posterior probability
fault position identification
models
分类号
TM411 [电气工程—电器]
下载PDF
职称材料
题名
基于深度学习的航空发动机不平衡故障部位识别
被引量：
10
2
作者
陈果
杨默晗
于平超
机构
南京航空航天大学民航学院
出处
《航空动力学报》
EI
CAS
CSCD
北大核心
2020年第12期2602-2615,共14页
基金
国家科技重大专项(2017-Ⅳ-0008-0045)。
文摘
针对基于机匣测点的航空发动机不平衡故障部位识别问题,提出了基于深度卷积神经网络的航空发动机不平衡故障部位诊断方法。针对某典型双转子航空发动机,建立整机耦合动力学模型,并利用数值积分算法实现不平衡故障数值仿真;在从发动机压气机端到涡轮端的高、低压转子上选择4个不平衡故障部位作为诊断对象,通过仿真分析得到发动机典型转速下的转子不同部位不平衡故障的仿真样本;计算4个机匣测点信号的规范化频谱,通过对大量仿真数据的处理得到反映不同不平衡故障部位的故障样本集;利用仿真得到的大量不平衡故障样本,训练深度卷积神经网络,利用深度卷积神经网络的优良特征学习能力实现航空发动机不平衡故障的不同部位进行识别,数值试验结果表明该方法对航空发动机不平衡故障部位的识别准确率达到95%。
关键词
深度卷积神经网络
航空发动机转子系统
机匣测点
不平衡
故障
故障部位识别
Keywords
deep convolution neural network
aero-engine rotor system
casing test point
unbalance fault
fault location identification
分类号
V231.9 [航空宇航科学与技术—航空宇航推进理论与工程]
原文传递
题名
作者
出处
发文年
被引量
操作
1
基于SVM和D-S证据理论的电力变压器内部故障部位识别
司马莉萍
舒乃秋
李自品
黄勇
罗晓庆
《电力自动化设备》
EI
CSCD
北大核心
2012
23
下载PDF
职称材料
2
基于深度学习的航空发动机不平衡故障部位识别
陈果
杨默晗
于平超
《航空动力学报》
EI
CAS
CSCD
北大核心
2020
10
原文传递
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
