登录    注册    忘记密码

白俄罗斯国立大学 收藏

导出分析报告

研究主题:滚动轴承    一带一路    新媒体    文化    故障诊断    

研究学科:经济学类    机械类    自动化类    社会学类    电子信息类    

被引量:782H指数:16WOS: 2 EI: 23 北大核心: 61 CSSCI: 8 CSCD: 37

-

检索结果分析

署名顺序

  • 全部
  • 第一机构
结果分析中...
排序方式:

277 条 记 录,以下是 1-10

基于经验模态分解和超球多类支持向量机的滚动轴承故障诊断方法 ( EI收录)
1
《中国电机工程学报》哈尔滨理工大学电气与电子工程学院;白俄罗斯国立大学 康守强 王玉静 杨广学 宋立新 V.I.MIKULOVICH  出版年:2011
滚动轴承故障定位,特别是对其性能退化程度的诊断可以更有效地进行设备维护以降低停机率。提出了对滚动轴承不同故障位置及性能退化程度的非平稳振动信号进行特征提取和智能分类的故障诊断方法。该方法对各状态振动信号进行经验模态分解,...
关键词:非平稳信号 经验模态分解 多类支持向量机 滚动轴承 性能退化程度  
基于特征迁移学习的变工况下滚动轴承故障诊断方法 ( EI收录)
2
《中国电机工程学报》哈尔滨理工大学电气与电子工程学院;白俄罗斯国立大学 康守强 胡明武 王玉静 谢金宝 V.I.Mikulovich  出版年:2019
国家自然科学基金项目(51805120;51305109);黑龙江省本科高校青年创新人才培养计划(UNPYSCT-2017091);哈尔滨理工大学青年拔尖创新人才资助项目(201511)~~
针对滚动轴承尤其是变工况条件下很难或无法获取大量带标签的振动数据,以致诊断准确率低的问题,提出一种基于变分模态分解(variationalmodedecomposition,VMD)及多特征构造和迁移学习相结合的滚动轴承...
关键词:变工况 滚动轴承 半监督迁移成分分析(SSTCA)  迁移学习  变分模态分解(VMD)  
结合CNN和LSTM的滚动轴承剩余使用寿命预测方法 ( EI收录)
3
《振动.测试与诊断》哈尔滨理工大学电气与电子工程学院;白俄罗斯国立大学 王玉静 李少鹏 康守强 谢金宝 MIKULOVICH V I  出版年:2021
国家自然科学基金资助项目(51805120);黑龙江省自然科学基金资助项目(LH2019E058);黑龙江省本科高校青年创新人才培养计划资助项目(UNPYSCT-2017091);黑龙江省普通高校基本科研业务专项资金资助项目(LGYC2018JC022)
针对滚动轴承存在性能退化渐变故障和突发故障两种模式下的剩余使用寿命(remaining useful life,简称RUL)预测困难的问题,提出一种结合卷积神经网络(convolution neural networks...
关键词:滚动轴承 卷积神经网络 长短时记忆神经网络  趋势性量化健康指标  剩余使用寿命预测  
基于EEMD-Hilbert包络谱和DBN的变负载下滚动轴承状态识别方法 ( EI收录)
4
《中国电机工程学报》哈尔滨理工大学电气与电子工程学院;白俄罗斯国立大学 王玉静 那晓栋 康守强 谢金宝 V I MIKULOVICH  出版年:2017
国家自然科学基金项目(51305109);黑龙江省青年科学基金项目(QC2014C075);哈尔滨理工大学青年拔尖创新人才资助项目(201511)~~
负载在滚动轴承的运行过程中通常是变化的,针对变负载下滚动轴承不同故障位置及不同性能退化程度多状态识别困难的问题,提出一种基于集合经验模态分解–希尔伯特(ensemble empirical mode decomposit...
关键词:变负载  滚动轴承 集合经验模态分解  深度信念网络  状态识别  
基于集合经验模态分解敏感固有模态函数选择算法的滚动轴承状态识别方法 ( EI收录)
5
《电子与信息学报》哈尔滨工业大学电子与信息工程学院;哈尔滨理工大学电气与电子工程学院;白俄罗斯国立大学 王玉静 康守强 张云 刘学 姜义成 Mikulovich V I  出版年:2014
国家自然科学基金(51305109);高等学校博士学科点专项科研基金(20122303120010);留学人员科技活动项目择优资助;哈尔滨市科技创新人才专项基金(留学回国人员)(2013RFLXJ019)资助课题
为了更有效地提取滚动轴承各状态振动信号的特征,该文提出了一种基于集合经验模态分解(EEMD)的敏感固有模态函数(IMF)选择算法。该算法对振动信号经EEMD分解后得到的固有模态函数采用峭度值、相关系数相结合的方法自动提取...
关键词:信号处理 状态识别  非平稳信号 集合经验模态分解(EEMD)  敏感固有模态函数(IMF)  
基于协同深度学习的二阶段绝缘子故障检测方法 ( EI收录)
6
《电工技术学报》哈尔滨理工大学电气与电子工程学院;白俄罗斯国立大学 王卓 王玉静 王庆岩 康守强 V.I.Mikulovich  出版年:2021
黑龙江省自然科学基金(LH2019E058);黑龙江省本科高校青年创新人才培养计划(UNPYSCT-2017091);黑龙江省普通高校基本科研业务专项资金(LGYC2018JC022)资助项目。
针对现有绝缘子故障检测模型受航拍图像中复杂背景干扰导致准确率低的问题,提出一种基于协同深度学习的二阶段绝缘子故障检测方法。该方法将全卷积网络(FCN)与YOLOv3目标检测算法相协同,第一阶段,利用FCN算法对航拍图像预...
关键词:绝缘子 故障检测 全卷积网络  YOLOv3  K-means++  
基于改进YOLOv3算法的公路车道线检测方法 ( EI收录)
7
《自动化学报》哈尔滨理工大学电气与电子工程学院;白俄罗斯国立大学 崔文靓 王玉静 康守强 谢金宝 王庆岩 MIKULOVICH Vladimir Ivanovich  出版年:2022
黑龙江省自然科学基金(LH2019E058);黑龙江省本科高校青年创新人才培养计划(UNPYSCT-2017091);黑龙江省普通高校基本科研业务专项基金资助项目(LGYC2018JC022)资助。
针对YOLOv3算法在检测公路车道线时存在准确率低和漏检概率高的问题,提出一种改进YOLOv3网络结构的公路车道线检测方法.该方法首先将图像划分为多个网格,利用K-means++聚类算法,根据公路车道线宽高固有特点,确定...
关键词:车道线检测 深度学习  YOLOv3  K-means++  计算机视觉
基于改进深度森林的滚动轴承剩余寿命预测方法 ( EI收录)
8
《中国电机工程学报》哈尔滨理工大学电气与电子工程学院;白俄罗斯国立大学 王玉静 王诗达 康守强 王庆岩 V.I.MIKULOVICH  出版年:2020
国家自然科学基金项目(51805120);黑龙江省自然科学基金项目(LH2019E058);黑龙江省本科高校青年创新人才培养计划(UNPYSCT-2017091)。
针对现有人工智能方法在滚动轴承剩余寿命预测中存在精度差、运算效率低的问题,提出一种基于深层迭代特征(deep iterative features,DIF)级联CatBoost(cascade catboost,CasC...
关键词:滚动轴承 卷积神经网络 深层迭代特征  深度森林  剩余寿命预测
基于改进SAE和双向LSTM的滚动轴承RUL预测方法 ( EI收录)
9
《自动化学报》哈尔滨理工大学电气与电子工程学院;白俄罗斯国立大学 康守强 周月 王玉静 谢金宝 MIKULOVICH Vladimir Ivanovich  出版年:2022
国家自然科学基金(51805120);黑龙江省自然科学基金(LH-2019E058);黑龙江省本科高校青年创新人才培养计划(UNPYSCT-2017091);黑龙江省普通高校基本科研业务专项资金资助项目(LGYC2018JC022)资助。
针对稀疏自动编码器(Sparse auto encoder,SAE)采用sigmoid激活函数容易造成梯度消失的问题,用一种新的Tan函数替代原有的sigmoid函数;针对SAE采用Kullback-Leibler(KL...
关键词:滚动轴承 稀疏自动编码器  无监督特征提取  双向长短时记忆网络  剩余使用寿命预测  
基于无监督特征对齐的变负载下滚动轴承故障诊断方法 ( EI收录)
10
《中国电机工程学报》哈尔滨理工大学电气与电子工程学院;白俄罗斯国立大学 康守强 邹佳悦 王玉静 谢金宝 V.I.MIKULOVICH  出版年:2020
国家自然科学基金项目(51805120);黑龙江省自然科学基金项目(LH2019E058);黑龙江省本科高校青年创新人才培养计划(UNPYSCT-2017091)~~
针对滚动轴承实际工作中缺少某种负载数据,使得源领域数据与目标领域数据属于不同分布,以及目标领域样本不含标签的问题,提出一种多域特征构建和无监督特征对齐的滚动轴承故障诊断方法。该方法利用变分模态分解结合奇异值分解获取振动信...
关键词:故障诊断 迁移学习  无监督领域适应  滚动轴承 变负载  
已选条目 检索报告 聚类工具

版权所有©重庆科技学院 重庆维普资讯有限公司 渝B2-20050021-7
 渝公网安备 50019002500408号 违法和不良信息举报中心