吴家新
- 作品数：12 被引量：34H指数：4
- 供职机构：南京信息工程大学计算机与软件学院更多>>
- 发文基金：国家自然科学基金更多>>
- 相关领域：机械工程自动化与计算机技术电子电信更多>>
- 基于多任务深度学习的齿轮箱多故障诊断方法被引量：12
- 2019年
- 机械故障诊断领域已进入了“大数据”时代,且深度学习以其强大的自适应特征提取和分类能力也在机械大数据处理方面取得了丰硕的成果。然而这些研究均运用在单标签体系下,诊断单一目标故障。在大数据背景下,单标签体系不仅割裂了机械装备不同目标故障之间的联系,也难以完整描述装备故障位置、类型、程度等种类繁多的健康状态信息。提出了一种基于多任务深度学习模型的诊断方法,对齿轮箱的轴承及齿轮这两种目标的故障同时进行诊断。其优势在于通过单独的任务层,能够从同一信号中自适应的提取不同目标的特征,并进行诊断。实验结果表明,该方法实现了在多种工况,大量样本下对齿轮箱内轴承和齿轮不同故障的准确诊断。
- 赵晓平吴家新钱承山张永宏王丽华
- 关键词：机械故障诊断轴承齿轮
- 一种基于Triplet loss的齿轮箱复合故障识别方法被引量：8
- 2021年
- 随着设备检测点的数量与采样频率的增加,机械健康监测进入了"大数据"时代。深度学习以其强大的自适应特征提取和分类能力也在机械大数据处理方面取得了丰硕的成果。在故障诊断领域,目前深度学习方法的研究对象均集中于单一故障,而复合故障却鲜有人涉足。复合故障因为其各类故障信号间有耦合,变化的工况(负载,转速)也会对信号产生较大影响,所以难以准确诊断。面对复杂的复合故障,传统的Softmax分类器已不能精确高效的完成故障诊断。提出了一种基于Triplet loss的深度度量学习模型的诊断方法,对齿轮箱的轴承及齿轮这两种目标的故障同时进行诊断。其优势在于通过该模型提取故障信号的特征,再利用Triplet loss度量各类故障之间的距离,使得同类故障特征间的距离很近,异类故障特征间的距离很远,从而高效完成诊断任务。试验结果表明,该方法实现了在多种工况,大量样本下对齿轮箱内轴承和齿轮不同故障的准确诊断。
- 赵晓平王逸飞张永宏吴家新王丽华
- 关键词：机械故障诊断齿轮箱轴承齿轮
- 基于深度度量学习的电机故障诊断被引量：4
- 2020年
- 深度学习以其强大的自适应特征提取和分类能力在机械大数据处理方面取得了丰硕的成果,由于电机结构的复杂性,其信号表现出的非平稳、非线性和复杂多样等特点,使得传统分类方法中的Softmax分类器+交叉熵损失函数对电机故障诊断力不从心。根据电机信号非平稳、数据量大等特点,结合短时傅里叶变换(STFT)与深度学习中的卷积神经网络(CNN)算法和Triplet Loss三元组思想,提出了深度度量学习电机故障诊断方法。该方法能将电机故障信号转换成时频谱图,同时构建CNN,将预处理后的样本用于CNN的训练,采用Triplet Loss作为损失函数度量故障数据高维特征间的距离,并结合标签有监督地微调整个网络,从而实现准确的电机故障诊断。实验表明该方法在处理复杂数据时能够度量特征在高维空间中的距离,高效完成故障诊断任务,弥补了交叉熵函数的不足。
- 张永宏王逸飞赵晓平吴家新王丽华
- 关键词：电机短时傅里叶变换卷积神经网络
- 基于LCD与堆叠自动编码器的滚动轴承故障诊断方法
- 本发明提出的基于LCD与堆叠自动编码器的滚动轴承故障诊断算法，包括如下步骤：采集滚动轴承的原始振动信号；先用LCD从原始振动信号中筛选出多个ISC分量，将其重构为两个频率段后转成频域信号；然后结合自动编码器提取两个频段信...
- 赵晓平周子贤吴家新
- 文献传递
- 基于振动和电流信号的堆叠降噪自编码电机故障诊断方法
- 本发明公开了基于振动和电流信号的堆叠降噪自编码电机故障诊断方法，分为五个步骤：第一步，获取电机不同故障的振动和电流的时域信号，对其预处理，作为网络输入；第二步，确定网络参数；第三步，逐层训练，将上一级自编码器(Auto ...
- 赵晓平吴家新周子贤杨家巍
- 文献传递
- 基于多任务深度学习的齿轮箱复合故障诊断研究
- 机械故障诊断领域已进入了“大数据”时代，且深度学习以其强大的自适应特征提取和分类能力也在机械大数据处理方面取得了丰硕的成果。然而这些研究均运用在单标签体系下，诊断单一目标故障。在大数据背景下，单标签体系不仅割裂了机械装备...
- 吴家新
- 关键词：齿轮故障诊断
- 一种基于卷积神经网络的滚动轴承故障诊断方法
- 本发明公开了一种基于卷积神经网络的滚动轴承故障诊断方法。针对滚动轴承特征分量易被淹没、难以提取等问题，结合滚动轴承信号本身和监测数据量大等特点，将CNN引入到滚动轴承故障诊断中。首先通过短时傅立叶变换将电机振动信号转化成...
- 赵晓平谢阳阳周子贤吴家新王丽华
- 文献传递
- 改进的Seam Carving瞬时频率估计算法研究被引量：7
- 2017年
- 旋转机械升降速阶段微弱振动信号具有潜在性和动态响应的微弱性等特点,因此瞬时频率是限制早期故障诊断发展的关键问题.针对这一问题,该文引入了图像处理领域的Seam Carving(SC)算法,并对SC算法进行改进,结合短时傅里叶变换(Short-Time Fourier Transformation,STFT),提出了STFT-SC瞬时频率估计算法.STFT-SC算法采用STFT对振动信号进行时频分析,然后利用Seam Carving算法中的能量梯度,采用动态规划的思想寻求seam路径,实现了旋转机械振动信号的一阶瞬时频率提取,最后对一阶时频数据进行时域重构,将重构的时域信号和仿真信号进行相关性分析.结果表明,STFT-SC算法对于高噪声、邻近阶比等振动信号都具有非常好的效果.
- 赵晓平吴家新周子贤
- 关键词：旋转机械SEAM瞬时频率估计
- 基于自适应遗传随机共振的滚动轴承微弱故障诊断被引量：4
- 2019年
- 随机共振(SR)能够利用噪声能量增强微弱信号,有效降低了噪声信号对特征提取的影响,针对SR方法参数选择时缺少交互以及提取特征诊断效果缺乏验证的不足,提出自适应遗传随机共振(AGSR)的滚动轴承微弱故障诊断方法。AGSR方法利用遗传算法(GA)寻找随机共振的最优系统参数,在考虑参数间交互作用的同时对其进一步优化,有效提高了轴承微弱故障特征的提取效果,随后将AGSR方法提取的特征信号输入堆叠自动编码器(SAE),通过反向传播算法多次迭代优化整个SAE网络,最终实现故障诊断。滚动轴承实测数据的检验结果表明,该方法可有效实现滚动轴承早期微弱故障检测。
- 王丽华赵晓平周子贤吴家新
- 关键词：滚动轴承随机共振遗传算法
- 基于LCD与堆叠自动编码器的滚动轴承故障诊断方法
- 本发明提出的基于LCD与堆叠自动编码器的滚动轴承故障诊断算法，包括如下步骤：采集滚动轴承的原始振动信号；先用LCD从原始振动信号中筛选出多个ISC分量，将其重构为两个频率段后转成频域信号；然后结合自动编码器提取两个频段信...
- 赵晓平周子贤吴家新
