基于PyTorch的深度残差收缩网络
深度残差收缩网络(Deep Residual Shrinkage Network,DRSN)是一种面向含噪一维信号的特征学习网络,通过在残差模块中嵌入软阈值化操作,在网络前向传播过程中自适应地抑制与噪声相关的冗余特征。该方法发表于《IEEE Transactions on Industrial Informatics》期刊,论文题为《Deep Residual Shrinkage Networks
航空发动机故障诊断智能体:面向高不平衡场景的持续对比强化学习方法
在民用航空运行过程中,航空发动机长期处于高温、高压及交变载荷的复杂工作环境,故障样本具有发生概率低、类别多样且高度不平衡的特点,同时伴随着日常执飞航次的增加,监测数据呈现动态持续增长的特性。发表在期刊《Advanced Engineering Informatics》上的论文《Continual contrastive reinforcement learning: Towards stronge
BMSFormer:面向锂电池健康状态在线估计的轻量化深度学习模型
锂离子电池健康状态(State-of-Health, SOH)的准确监测是电池管理系统(BMS)稳定运行与电池寿命管理的重要基础。发表于国际期刊《Energy》的研究成果《BMSFormer: An efficient deep learning model for online state-of-health estimation of lithium-ion batteries under h
深度指数激励网络:面向微弱故障诊断的更强注意力机制
在机械装备关键零部件的健康监测中,微弱故障引起的信号变化往往幅度较小且易被环境噪声淹没,给状态识别带来了困难。发表在学术期刊《Structural Health Monitoring》上的论文《Deep exponential excitation networks: toward stronger attention mechanism for weak fault diagnosis》(深度指
深度渐进收缩网络:面向机械复合故障诊断的类内离散度抑制方法
在旋转机械状态监测中,复合故障通常由多个单项故障同时发生并相互耦合而成,其振动响应往往同时包含多种故障特征,且强背景噪声会进一步加剧各类故障在特征空间中的重叠程度。针对这一问题,发表在期刊《Measurement》上的论文“Mechanical compound fault diagnosis via suppressing intra-class dispersions: A deep prog
CUR-Estimator:面向工业数据缺失填补修复的时间间隔感知与统计约束方法
在工业设备健康管理与状态监测中,受复杂运行工况及数据采集协议的影响,传感器监测序列普遍存在数据缺失和非等间隔采样现象。针对航空发动机全寿命退化序列的数据修补难题,发表在期刊《Neurocomputing》上的学术论文《CUR-Estimator: Towards reliable missing data imputation for aero-engine degradation process
控制感知仿射网络:面向变工况故障诊断的控制-诊断协同框架
在船舶柴油机运行过程中,动态机动工况下的负荷突变与电控单元(ECU)的主动调节往往会导致监测信号的分布发生显著偏移,给故障特征提取带来干扰。针对这一问题,发表于期刊 Ships and Offshore Structures 的研究论文《Control-aware affine network: a novel framework for reliable fault diagnosis of m
基于多小波正则化深度残差网络的小样本智能故障诊断方法
在机械故障诊断领域,实际工业场景下采集到的故障样本往往较为匮乏,深度学习模型在小样本条件下容易发生过拟合。针对这一问题,学术期刊《Measurement》发表了题为“Multiple wavelet regularized deep residual networks for fault diagnosis”的研究论文。该研究提出了一种多小波正则化深度残差网络方法,利用不同小波基函数时频分解的差异
基于多小波系数融合深度残差网络的微弱故障诊断方法
在发表于期刊《IEEE Transactions on Industrial Electronics》的论文《Multiple Wavelet Coefficients Fusion in Deep Residual Networks for Fault Diagnosis》中,提出了一种结合多小波系数融合与深度残差网络的机械故障诊断方法。在旋转机械微弱故障诊断过程中,振动信号常呈现出非平稳特性且
自适应参数化ReLU:面向变工况故障诊断的深度残差网络方法
在机械故障诊断领域,工况的变化往往导致同类健康状态下的振动信号呈现明显差异,而不同健康状态在特定运行条件下可能表现出相近的波形特征。发表于期刊《IEEE Transactions on Industrial Electronics》的研究论文《Deep Residual Networks With Adaptively Parametric Rectifier Linear Units for F
深度残差收缩网络:面向强噪声数据的故障诊断
针对旋转机械在恶劣运行工况下振动信号常混杂大量背景噪声、导致故障特征容易被干扰淹没的问题,发表于期刊《IEEE Transactions on Industrial Informatics》的研究论文《Deep Residual Shrinkage Networks for Fault Diagnosis》提出了一种深度残差收缩网络架构。该方法以经典残差神经网络为骨干,将信号处理领域的软阈值化作为
只看设备输出、不看控制输入?传统故障诊断模型可能一直在“盲人摸象”
在机械装备的状态监测与故障诊断领域,传统数据驱动模型多聚焦于分析各类传感器采集的设备状态信号。然而,发表于期刊 Transactions of the Institute of Measurement and Control 的论文 “Fault diagnosis of marine diesel engine via control-aware domain-adversarial netwo
变工况故障诊断该怎么解决?一种引入控制信号的控制感知域对抗网络
在期刊 Transactions of the Institute of Measurement and Control 发表的论文 Fault diagnosis of marine diesel engine via control-aware domain-adversarial network: A control-diagnosis collaboration perspective 中
大功率二冲程船用柴油机燃烧室多故障模拟:基于宏观热物理参数微调的系统级响应建模
在大型远洋船舶动力系统中,低速二冲程柴油机燃烧室部件(包括气缸盖、活塞组件与气缸套)长期处于高温、高压与交变机械应力的综合作用下,是故障高发的关键区域。由于实船运行中极难直接开展破坏性的故障注入试验,而基于微观材料力学退化的有限元仿真又存在计算周期长、难以直接捕捉全系统宏观热力响应的问题,论文《Thermodynamic simulation-assisted random forest: Tow
从船机到风机/电机/机床:“控诊协同”在各大高端装备上的迁移应用指南
发表于《Transactions of the Institute of Measurement and Control》的研究《Fault diagnosis of marine diesel engine via control-aware domain-adversarial network: A control-diagnosis collaboration perspective》(基于
【论文分享】做故障诊断,为什么要盯紧控制系统的指令?
在工业设备的智能化运维中,如何提高故障诊断模型在复杂工况下的泛化性能为核心挑战之一。近期发表在《Transactions of the Institute of Measurement and Control》上的论文——《Fault diagnosis of marine diesel engine via control-aware domain-adversarial network: A
持续对比强化学习:高不平衡与数据动态增长下的航空发动机故障诊断
针对航空发动机故障样本极度匮乏、故障类别多样以及运行监测数据持续累积的工程实际,论文《Continual contrastive reinforcement learning: Towards stronger agent for environment-aware fault diagnosis of aero-engines through long-term optimization und
基于Deep attention SMOTE的燃气轮机不平衡异常检测论文分享
在工业设备状态监测中,燃气轮机的运行数据普遍存在样本类别不平衡和类间重叠问题。本次分享的论文题为《Deep attention SMOTE: Data augmentation with a learnable interpolation factor for imbalanced anomaly detection of gas turbines》,发表于《Computers in Indust
基于Feature-level SMOTE的燃气轮机不平衡故障诊断论文分享
本期分享发表于《Expert Systems With Applications》的研究成果,论文标题为《Feature-level SMOTE: Augmenting fault samples in learnable feature space for imbalanced fault diagnosis of gas turbines》。针对工业燃气轮机的故障诊断任务,实际工程中通常面临两
基于自注意力深度迁移学习的跨工况小样本电池SOH在线估计论文分享
本期分享发表于 Journal of Power Sources 的研究论文《Deep transfer learning enabled online state-of-health estimation of lithium-ion batteries under small samples across different cathode materials, ambient tempera