【摘 要】
：
摘要： 为有效获得轴承退化过程，设计一种改进损失函数的卷积自编码器（Convolutional Autoencode），使其可从多传感器采集的振动信号中提取轴承健康状态，避免了局部信息的丢失，同时得到了更深层次的故障特征。提出了一种基于双向长短时记忆网络（Bi?directional LSTM）的循环神经网络结构，利用其对时间序列数据的处理能力，学习轴承在实际工作过程中的退化规律，实现对轴承的剩余
【机 构】
：
长安大学工程机械学院道路施工技术与装备教育部重点实验室
【基金项目】
：
陕西省自然科学基础研究计划项目(2021M-169),中央高校基本科研业务费(300102259203),装备预研教育部联合基金资助项目(6141A02033111)
论文部分内容阅读
为有效获得轴承退化过程,设计一种改进损失函数的卷积自编码器(Convolutional Autoencode),使其可从多传感器采集的振动信号中提取轴承健康状态,避免了局部信息的丢失,同时得到了更深层次的故障特征。提出了一种基于双向长短时记忆网络(Bi‑directional LSTM)的循环神经网络结构,利用其对时间序列数据的处理能力,学习轴承在实际工作过程中的退化规律,实现对轴承的剩余使用寿命预测。此外,为进一步提升模型的预测准确率及泛化能力,设计接收随机长度样本的Bi‑LSTM网络进行训练,使得模型
其他文献
为实现旋转机械设备故障诊断,提出基于相关性检测的振动信号改进时域同步平均(Time Synchronous Averaging,TSA)降噪方法,并利用平方包络谱提取故障特征。在采样振动信号中任
摘要： 提出一种空间迁移新思路，以提升齿轮箱故障诊断性能，其由辅助振动数据构成源领域、目标振动数据构成目标领域，迁移学习（Transfer learning，TL）将前者分类模型应用至后者，以克服短时间内目标振动数据不足的问题。根据频带选择独立成分分析（Band selective independent component analysis，BS?ICA）规则选择迁移模型的数据领域，并提取其时域
众所周知,现如今的公路工程建设,不仅与社会经济的发展息息相关,还会对人们日常的生活产生一定影响,但是,就 目前而言,我国在开展公路工程施工过程中,仍然有很多的问题存在,
随着我国社会主义市场经济的飞速发展,我国建筑施工技术也在不断的创新和完善,在信息化时代,信息网络 已经渗透到人们的日常生活生产中。现阶段,我国很多建筑企业都意识到信
当前,我国经济飞速发展,建筑工程的建设数量也逐渐增多,建设工程质量安全管理工作尤为重要,一方面保 证工程质量符合建设标准,另一方面工程建设安全有序的进行,可以在规定的
在房屋建筑工程中,造价是一项非常重要的内容,对于房屋建筑企业而言,房屋建筑工程的造价管理可以有效 控制企业的建设成本,确保房屋建筑企业的经济效益最大化。但从当前实际
管理是企业发展的灵魂,优秀的管理可以推动企业健康快速的发展。工程管理模式的创新需要从工程项目的整 个过程以及企业的各个组成部分着手,它需要一个企业重新、全面的审视
中国社会经济的稳定发展需要建筑工程的支持。机电工程是建筑工程施工过程中的重要组成部分。机电工程 的施工质量在后续项目的运营中起着重要作用。为了确保电气和机械结构
渗漏关乎房屋建筑的质量,也关乎居住者的居住安全。房建工程中工艺、材料、施工技术日益改进,但仍存在一些质量顽疾。其中,房屋渗漏问题严重影响人们的居住环境,也缩短了建筑
摘要： 针对旋转机械故障特征集非线性强、维数过高导致分类困难的问题，提出一种基于局部质心均值最小距离鉴别投影（Local Centroid Mean Minimum?distance Discriminant Projection，LCMMDP）的故障数据集降维算法。该算法在考虑样本的内聚性和分离性的同时，能够保持样本局部几何结构信息，反映样本与局部质心均值之间的近邻关系。从多个角度提取机械振动信