您的检索：
学者姓名：高学金
精炼检索结果：
年份
成果类型
收录类型
来源
综合
曾用名
合作者
语言
清除所有精炼条件
摘要 ：
本发明公开了一种基于注意力卷积自编码器的发酵过程故障监测方法。首先将发酵过程的三维数据展开成二维形式，并通过滑动窗采样得到模型的输入序列；之后设计了一种通道卷积注意力模块，并将通道卷积注意力模块融入卷积自编码器中。利用注意力卷积自编码器构建故障监测模型，利用重构误差构建平方预测误差监控统计量实现在线监测，再利用核密度估计方法确定该监控统计量的控制限。测试时先将测试样本进行标准化，然后再输入到模型中，计算出监控统计量的值，并与其控制限进行比较。若未超出控制限则表示系统正常；若超出控制限，则表示出现故障样本。本发明对故障的发生更加敏感，有利于及时发现故障，减少监测过程中误报警、漏报警现象的发生。
引用：
复制并粘贴一种已设定好的引用格式，或利用其中一个链接导入到文献管理软件中。
| GB/T 7714 | 高学金 , 姚玉卓 . 一种基于注意力卷积自编码器的发酵过程故障监测方法 : CN202310309451.2[P]. | 2023-03-26 . |
| MLA | 高学金 等. "一种基于注意力卷积自编码器的发酵过程故障监测方法" : CN202310309451.2. | 2023-03-26 . |
| APA | 高学金 , 姚玉卓 . 一种基于注意力卷积自编码器的发酵过程故障监测方法 : CN202310309451.2. | 2023-03-26 . |
| 导入链接 | NoteExpress RIS BibTex |
摘要 ：
本发明公开了基于动态自适应域对抗网络的多工况工业过程故障诊断方法，包括：对过程数据进行标准化并取滑动窗，获得动态数据，利用源工况的标签动态数据和目标工况的无标签动态数据训练动态自适应域对抗网络，动态自适应域对抗网络包含特征提取器、标签分类器、全局域鉴别器和局部域鉴别器，全局域鉴别器对齐源工况和目标工况的边缘分布，局部域鉴别器对齐源工况和目标工况的条件分布，提出一种可学习参数自适应地评估边缘分布和条件分布的相对重要性，以更好地提取域不变特征，并提出一种共同中心损失，提高数据的类间可分性和类内紧密性，进一步提高故障诊断精度。标签分类器用于预测样本的故障类别。本发明为目标工况建立精确的故障诊断模型。
引用：
复制并粘贴一种已设定好的引用格式，或利用其中一个链接导入到文献管理软件中。
| GB/T 7714 | 高慧慧 , 黄文杰 , 韩红桂 et al. 基于动态自适应域对抗网络的多工况工业过程故障诊断方法 : CN202310069395.X[P]. | 2023-01-13 . |
| MLA | 高慧慧 et al. "基于动态自适应域对抗网络的多工况工业过程故障诊断方法" : CN202310069395.X. | 2023-01-13 . |
| APA | 高慧慧 , 黄文杰 , 韩红桂 , 高学金 . 基于动态自适应域对抗网络的多工况工业过程故障诊断方法 : CN202310069395.X. | 2023-01-13 . |
| 导入链接 | NoteExpress RIS BibTex |
摘要 ：
本发明公开了一种基于注意力卷积神经网络的视觉里程计算法。针对传统的视觉里程计要求图片含有大量的纹理信息，且求解过程较为复杂，而基于卷积神经网络的视觉里程计精度较低的问题，提出基于注意力卷积神经网络和门控循环单元的视觉里程计。利用注意力机制提高卷积模块特征提取的精度，从而提高视觉定位的精度。相比于以往的视觉里程计算法，在保证了精度的同时摒弃了复杂的求解过程，更加适合于实际工程应用。
引用：
复制并粘贴一种已设定好的引用格式，或利用其中一个链接导入到文献管理软件中。
| GB/T 7714 | 高学金 , 牟雨曼 , 任明荣 . 一种基于注意力卷积神经网络的视觉里程计算法 : CN202210113074.0[P]. | 2022-01-29 . |
| MLA | 高学金 et al. "一种基于注意力卷积神经网络的视觉里程计算法" : CN202210113074.0. | 2022-01-29 . |
| APA | 高学金 , 牟雨曼 , 任明荣 . 一种基于注意力卷积神经网络的视觉里程计算法 : CN202210113074.0. | 2022-01-29 . |
| 导入链接 | NoteExpress RIS BibTex |
摘要 ：
本发明公开了基于对抗局部最大均值差异的多模态工业过程故障诊断方法，小样本条件下目标模态故障诊断方法的过程包括：对过程序列数据进行滑动窗口截取，获得二维故障诊断输入样本；通过卷积特征提取器提取多模态过程数据的局部动态特征；引入梯度反转层使卷积特征提取器和领域判别器形成对抗关系，以对抗的方式提取模态间领域不变特征，实现全局分布对齐；将局部最大均值差异(LMMD)度量嵌入到类标签预测器的全连接层，结合目标模态无标签样本的伪标签信息精确实现类级对齐。本发明所述的多模态故障诊断方法，在基于对抗训练的基础上引入LMMD子域对齐，来实现关键过程知识的迁移，最终有效提升跨域故障诊断性能。
引用：
复制并粘贴一种已设定好的引用格式，或利用其中一个链接导入到文献管理软件中。
| GB/T 7714 | 高慧慧 , 魏辰 , 韩红桂 et al. 基于对抗局部最大均值差异的多模态工业过程故障诊断方法 : CN202210432556.2[P]. | 2022-04-23 . |
| MLA | 高慧慧 et al. "基于对抗局部最大均值差异的多模态工业过程故障诊断方法" : CN202210432556.2. | 2022-04-23 . |
| APA | 高慧慧 , 魏辰 , 韩红桂 , 高学金 . 基于对抗局部最大均值差异的多模态工业过程故障诊断方法 : CN202210432556.2. | 2022-04-23 . |
| 导入链接 | NoteExpress RIS BibTex |
摘要 ：
本发明公开了一种基于迁移学习的滚动轴承故障诊断方法。针对无标记数据滚动轴承故障诊断方法不考虑细粒度信息导致故障诊断精度低的问题，提出一种基于迁移学习和残差网络的TL－ResNet故障诊断模型。首先，采用残差网络提取源域数据和目标域数据深层特征；其次，应用迁移学习中的领域自适应方法，计算已标记源域数据和未标记目标域数据的局部最大均值差异，并将该差异和源域样本分类误差作为损失函数，使用反向传播算法对网络进行训练；最后，基于CWRU轴承数据进行了变负载迁移实验，实验结果表明该方法大幅提升了故障诊断模型诊断精度，更加符合实际工程应用需求。
引用：
复制并粘贴一种已设定好的引用格式，或利用其中一个链接导入到文献管理软件中。
| GB/T 7714 | 高学金 , 李虎 . 一种基于迁移学习的滚动轴承故障诊断方法 : CN202211139882.0[P]. | 2022-09-20 . |
| MLA | 高学金 et al. "一种基于迁移学习的滚动轴承故障诊断方法" : CN202211139882.0. | 2022-09-20 . |
| APA | 高学金 , 李虎 . 一种基于迁移学习的滚动轴承故障诊断方法 : CN202211139882.0. | 2022-09-20 . |
| 导入链接 | NoteExpress RIS BibTex |
摘要 ：
本发明公开了基于堆叠自编码器的递阶故障分类方法。首先，根据工业过程的先验知识和变量之间的相关性，将整个过程划分为若干子块；其次，将每个子块中容易误分类的故障类型作为复合类处理，避免误分类；训练基于SAE的故障诊断模型，实现故障的初步分类。然后，提出一种改进的D‑S证据理论，对多个SAE分类结果进行融合，处理多个SAE分类结果之间的冲突，提高故障诊断的准确性。最后，利用SAE分类模型对决策融合无法分类的故障类型进行分类。本发明降低了模型的复杂度且提高了SAE分类模型的精度，对工业过程的故障诊断具有重要的意义。
引用：
复制并粘贴一种已设定好的引用格式，或利用其中一个链接导入到文献管理软件中。
| GB/T 7714 | 高慧慧 , 黄文杰 , 韩红桂 et al. 基于堆叠自编码器的递阶故障分类方法 : CN202211042208.0[P]. | 2022-08-29 . |
| MLA | 高慧慧 et al. "基于堆叠自编码器的递阶故障分类方法" : CN202211042208.0. | 2022-08-29 . |
| APA | 高慧慧 , 黄文杰 , 韩红桂 , 高学金 , 韩华云 . 基于堆叠自编码器的递阶故障分类方法 : CN202211042208.0. | 2022-08-29 . |
| 导入链接 | NoteExpress RIS BibTex |
摘要 ：
本发明公开了一种基于注意力增强时频Transformer的滚动轴承剩余寿命预测方法。针对传统Transformer模型对振动信号的上下文区域信息不敏感，导致在时序预测中容易忽略重要信息、降低预测精度的问题，该方法首先提取原始振动信号的时域和频域统计特征来构建健康指标，以全面表征轴承退化信息；在此基础上，引入通道‑空间注意力模块对时域和频域特征进行高适配性特征融合，以提高模型输入特征的质量。其次，提出一种新型卷积多头自注意力机制以增强模型学习序列上下文区域信息的能力，充分捕获信息之间的局部关联性。最后，利用全连接层、GeLU激活函数和Sigmoid激活函数构建回归器对滚动轴承剩余寿命进行预测。本发明有效地学习信号特征与剩余寿命之间的复杂映射关系，实现滚动轴承高精度剩余寿命预测。
引用：
复制并粘贴一种已设定好的引用格式，或利用其中一个链接导入到文献管理软件中。
| GB/T 7714 | 高慧慧 , 张潇然 , 韩红桂 et al. 一种基于注意力增强时频Transformer的滚动轴承剩余寿命预测方法 : CN202211670437.7[P]. | 2022-12-24 . |
| MLA | 高慧慧 et al. "一种基于注意力增强时频Transformer的滚动轴承剩余寿命预测方法" : CN202211670437.7. | 2022-12-24 . |
| APA | 高慧慧 , 张潇然 , 韩红桂 , 高学金 , 李方昱 . 一种基于注意力增强时频Transformer的滚动轴承剩余寿命预测方法 : CN202211670437.7. | 2022-12-24 . |
| 导入链接 | NoteExpress RIS BibTex |
摘要 ：
一种基于卷积变压器生成对抗网络的小样本滚动轴承故障诊断方法涉及滚动轴承等旋转设备故障诊断领域，克服在运行数据稀缺条件下难以实现准确故障诊断的问题。首先，获取滚动轴承实际运行条件下的信号数据并对其进行数据标准化处理；其次，构建具有卷积与变压器交叉式结构的生成器和判别器，利用变压器层有效地提取时序信号的全局时域特征；在此基础上，利用卷积层进一步提取时序信号的局部时域特征。同时将位置编码嵌入时序信号，使得模型可以充分学习信号所具有的位置信息特征，最终生成高质量的时序信号样本以扩充原始训练样本，从而提升小样本条件下的故障诊断精度。
引用：
复制并粘贴一种已设定好的引用格式，或利用其中一个链接导入到文献管理软件中。
| GB/T 7714 | 高慧慧 , 张潇然 , 韩红桂 et al. 一种基于卷积变压器生成对抗网络的小样本滚动轴承故障诊断方法 : CN202211233344.8[P]. | 2022-10-10 . |
| MLA | 高慧慧 et al. "一种基于卷积变压器生成对抗网络的小样本滚动轴承故障诊断方法" : CN202211233344.8. | 2022-10-10 . |
| APA | 高慧慧 , 张潇然 , 韩红桂 , 高学金 , 李方昱 . 一种基于卷积变压器生成对抗网络的小样本滚动轴承故障诊断方法 : CN202211233344.8. | 2022-10-10 . |
| 导入链接 | NoteExpress RIS BibTex |
摘要 ：
本发明公开了一种基于全局局部百分位数法的LSTM‑ED发酵过程故障预测方法。首先，对监测指标SPE进行归一化处理，然后分割阈值上下波动的时间段，对这些时间段使用全局百分位数方法进行处理，得出TSP所在的区间，然后在TSP所在的区间使用局部百分位数法进行处理，取该区间起始段的斜率最大值点即为TSP点。然后利用高斯误差线性单元模块对LSTM‑ED模型改进，最后将基于退化点TSP点的发酵数据代入基于GELU的LSTM‑ED模型中进行训练和测试，从而提高模型预测精度。
引用：
复制并粘贴一种已设定好的引用格式，或利用其中一个链接导入到文献管理软件中。
| GB/T 7714 | 高学金 , 李学凤 , 韩华云 et al. 一种基于全局局部百分位数法的LSTM-ED发酵过程故障预测方法 : CN202211600709.6[P]. | 2022-12-12 . |
| MLA | 高学金 et al. "一种基于全局局部百分位数法的LSTM-ED发酵过程故障预测方法" : CN202211600709.6. | 2022-12-12 . |
| APA | 高学金 , 李学凤 , 韩华云 , 高慧慧 . 一种基于全局局部百分位数法的LSTM-ED发酵过程故障预测方法 : CN202211600709.6. | 2022-12-12 . |
| 导入链接 | NoteExpress RIS BibTex |
摘要 ：
本发明涉及基于生成对抗网络‑支持向量机的冷水机组故障诊断方法，首先对冷水机组过程数据进行稳态过滤，筛选出处于稳定状态的运行数据；对稳态数据进行归一化处理，消除量纲对诊断过程的影响；利用运行过程中少量的故障数据训练中心损失条件生成式对抗网络，并构造所需生成数据的故障标签；利用训练完成的中心损失条件生成式对抗网络生成冷水机组在每个故障状态下的运行数据，并筛选出合格的生成数据；将生成的故障数据与真实的运行数据混合成新的运行数据集，并使用新的运行数据集训练多分类的支持向量机；利用训练完成的多分类支持向量机对冷水机组的运行数据进行分类；最终得出故障诊断结果。
引用：
复制并粘贴一种已设定好的引用格式，或利用其中一个链接导入到文献管理软件中。
| GB/T 7714 | 高学金 , 程琨 . 基于生成对抗网络-支持向量机的冷水机组故障诊断方法 : CN202211298418.6[P]. | 2022-10-23 . |
| MLA | 高学金 et al. "基于生成对抗网络-支持向量机的冷水机组故障诊断方法" : CN202211298418.6. | 2022-10-23 . |
| APA | 高学金 , 程琨 . 基于生成对抗网络-支持向量机的冷水机组故障诊断方法 : CN202211298418.6. | 2022-10-23 . |
| 导入链接 | NoteExpress RIS BibTex |
导出
| 数据： |
选中 到 |
| 格式： |
