王玉静

作品数：41被引量：635H指数：17
导出分析报告
供职机构：哈尔滨理工大学更多>>
发文主题：滚动轴承滚动轴承故障诊断滚动轴承故障多状态混沌信号发生器更多>>
发文领域：自动化与计算机技术电子电信机械工程文化科学更多>>
发文期刊：《实验技术与管理》《传感器与微系统》《机械工程学报》《哈尔滨工程大学学报》更多>>
所获基金：国家自然科学基金黑龙江省自然科学基金黑龙江省青年科学基金中央级公益性科研院所基本科研业务费专项更多>>
-
在结果中检索

检索结果分析

署名顺序

  • 全部
  • 第一作者
结果分析中...
共 条 记 录，以下是1-10
全选清除导出
参考文献引证文献引用追踪
视图：
排序：
二次聚合个性化联邦的不同工况下滚动轴承寿命预测方法
《振动与冲击》2025年第2期254-266,共13页康守强 杨得济 王玉静 王庆岩 谢金宝 
国家自然科学基金(52375533);黑龙江省自然科学基金(PL2024E022);山东省自然科学基金(ZR2023ME057);哈尔滨市制造业科技创新人才项目(2023CXRCCG017)。
针对不同工况下滚动轴承振动数据分布差异大,单一用户数据量少且多个用户间数据不共享的问题,提出一种二次聚合个性化联邦的滚动轴承寿命预测方法。该方法用不同深度的自编码器提取多尺度特征信息并压缩为散点图,实现特征增强;利用无监...
关键词：滚动轴承 多尺度特征提取 联邦学习 个性化 剩余寿命预测 
基于信息融合子域适应的不同工况下谐波减速器故障诊断方法被引量：4
《仪器仪表学报》2024年第3期60-71,共12页康守强 章炜东 王玉静 刘连胜 孙宇林 
国家自然科学基金(52375533);山东省自然科学基金(ZR2023ME057);哈尔滨市制造业科技创新人才(2023CXRCCG017)项目资助。
针对工业机器人谐波减速器不同工况数据分布差异大,部分工况数据标签缺失以及单一传感器获取信息不全面,导致诊断准确率不高的问题,提出一种信息融合子域适应的不同工况下谐波减速器故障诊断方法。该方法将源域和目标域一维振动数据利...
关键词：信息融合 不同工况 域适应 谐波减速器 故障诊断 
基于改进SAE和双向LSTM的滚动轴承RUL预测方法被引量：24
《自动化学报》2022年第9期2327-2336,共10页康守强 周月 王玉静 谢金宝 MIKULOVICH Vladimir Ivanovich 
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)散度进行稀疏性约束在回归预测方面的局限性,以dropout机制替代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 
基于改进YOLOv3算法的公路车道线检测方法被引量：28
《自动化学报》2022年第6期1560-1568,共9页崔文靓 王玉静 康守强 谢金宝 王庆岩 MIKULOVICH Vladimir Ivanovich 
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,确定目标先验框数量和对应宽...
关键词：车道线检测 深度学习 YOLOv3 K-means++ 计算机视觉 
基于深度在线迁移的变负载下滚动轴承故障诊断方法被引量：16
《控制与决策》2022年第6期1521-1530,共10页康守强 刘旺辉 王玉静 王庆岩 Mikulovich V I 
国家自然科学基金项目(51805120);黑龙江省自然科学基金项目(LH2019E058);黑龙江省普通高校基本科研业务专项资金项目(LGYC2018JC022)。
针对变负载条件下滚动轴承源域与目标域中相同状态的数据特征分布差异性较大,目标域数据按照序列方式在线获取时,数据更新需重新训练模型的问题,提出一种深度在线迁移的CNN-ISVM (convolutional neural networks-incremental support ve...
关键词：滚动轴承 迁移学习 在线学习 增量支持向量机 卷积神经网络 故障诊断 
基于协同深度学习的二阶段绝缘子故障检测方法被引量：33
《电工技术学报》2021年第17期3594-3604,共11页王卓 王玉静 王庆岩 康守强 V.I.Mikulovich 
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算法对航拍图像预处理,设计跳跃...
关键词：绝缘子 故障检测 全卷积网络 YOLOv3 K-means++ 
基于循环卷积多任务学习的多领域文本分类方法被引量：4
《电子与信息学报》2021年第8期2395-2403,共9页谢金宝 李嘉辉 康守强 王庆岩 王玉静 
基于工业互联网的协作式智能机器人产教融合创新应用平台(2020CJPT004);黑龙江省自然科学基金(LH2019E058);智能机器人湖北省重点实验室开放基金(HBIR202004);黑龙江省普通高校基本科研业务费专项资金(LGYC2018JC027)。
文本分类任务中,不同领域的文本很多表达相似,具有相关性的特点,可以解决有标签训练数据不足的问题。采用多任务学习的方法联合学习能够将不同领域的文本利用起来,提升模型的训练准确率和速度。该文提出循环卷积多任务学习(MTL-RC)模型...
关键词：多领域文本分类 多任务学习 循环神经网络 卷积神经网络 
结合CNN和LSTM的滚动轴承剩余使用寿命预测方法被引量：39
《振动．测试与诊断》2021年第3期439-446,617,共9页王玉静 李少鹏 康守强 谢金宝 MIKULOVICH V I 
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,简称CNN)和长短时记忆(long short term memory,简称LSTM...
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 
结合判别式深度置信网络的乳腺图像微钙化簇区域检测被引量：3
《生物医学工程学杂志》2021年第2期268-275,共8页宋立新 魏雪芹 王乾 王玉静 
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(F200912)。
为了克服乳腺图像微钙化簇检测中假阳性率高、泛化性差等缺点,本文提出了一种结合判别式深度置信网络(DDBNs)自动快速定位乳腺X线图像中微钙化簇区域的方法。首先,对乳腺区域进行提取及增强,将增强后的乳腺区域进行子块重叠分割和小波滤...
关键词：微钙化簇 判别式深度置信网络 特征提取 深度神经网络 
基于改进DQN网络的滚动轴承故障诊断方法被引量：28
《仪器仪表学报》2021年第3期201-212,共12页康守强 刘哲 王玉静 王庆岩 兰朝凤 
国家自然科学基金(51805120);黑龙江省自然科学基金(LH2019E058);黑龙江省普通高校基本科研业务专项资金(LGYC2018JC022)资助
针对实际中滚动轴承正常和故障状态下的振动数据不平衡,且故障诊断准确率不高的问题,基于深度强化学习,提出一种改进深度Q网络(DQN)的滚动轴承故障诊断方法。该方法将振动信号进行短时傅里叶变换,构建时频图样本集;提出把K-means算法中...
关键词：滚动轴承 不平衡 K-MEANS 故障诊断 深度强化学习 
全选清除导出
共5页<12345>
检索报告 对象比较 聚类工具 使用帮助 返回顶部