基于残差连接和1D-CNN的滚动轴承故障诊断研究 被引量：35

1

作者 赵敬娇 赵志宏 杨绍普 《振动与冲击》 EI CSCD 北大核心 2021年第10期1-6,共6页

针对滚动轴承故障诊断人工提取特征困难、浅层诊断模型性能差的问题,提出一种基于残差连接的一维卷积神经网络(1D-CNN)的深层轴承故障诊断模型。将原始轴承振动信号输入网络中,利用具有残差连接的多个一维卷积层自动提取特征,残差连接... 针对滚动轴承故障诊断人工提取特征困难、浅层诊断模型性能差的问题,提出一种基于残差连接的一维卷积神经网络(1D-CNN)的深层轴承故障诊断模型。将原始轴承振动信号输入网络中,利用具有残差连接的多个一维卷积层自动提取特征,残差连接能够在提取深层特征信息的同时将浅层提取的特征信息保留下来,与无残差连接的一维卷积网络相比能获得更丰富的轴承信号特征信息,并输入到Softmax层进行分类,输出轴承振动信号的故障类型。该研究通过不同残差网络结构模型的设计,验证具有残差连接的1D-CNN的网络模型在轴承故障诊断的有效性。试验结果表明,残差连接能有效提高轴承故障诊断的准确率。 展开更多

关键词 一维卷积神经网络(1D-cnn) 残差连接 轴承故障诊断

下载PDF 职称材料

基于一维卷积神经网络的配电网高阻接地故障识别 被引量：7

2

作者 刘炳南 黄沂平 方国标 《电器与能效管理技术》 2020年第9期99-103,共5页

配电网直接与用户连接,其稳定性与整个电力系统对用户侧输送电能的能力息息相关。配电网运行环境复杂、覆盖广泛,若运行线路掉落接触到树木、草地时易发生高阻接地故障。此时,故障点阻抗达到几百欧甚至几千欧,电压、电流幅值变化微弱,... 配电网直接与用户连接,其稳定性与整个电力系统对用户侧输送电能的能力息息相关。配电网运行环境复杂、覆盖广泛,若运行线路掉落接触到树木、草地时易发生高阻接地故障。此时,故障点阻抗达到几百欧甚至几千欧,电压、电流幅值变化微弱,故障难以被检测到。如果故障无法及时排除,故障点间歇性电弧将造成不可估量的破坏。利用希尔伯特-黄变换(HHT)带通滤波进行特征量提取,构造时频能量矩阵,采用一维卷积神经网络(1D-CNN)构造分类器进行故障分类。通过仿真模型进行验证和适应性分析,结果表明算法准确率高且适应性良好。 展开更多

关键词 配电网 高阻接地故障 一维卷积神经网络(1D-cnn) 故障分类

下载PDF 职称材料

基于联合特征参数和一维CNN的MIMO-OFDM系统调制识别算法 被引量：4

3

作者 汪锐 张天骐 +2 位作者 安泽亮 王雪怡 方竹 《系统工程与电子技术》 EI CSCD 北大核心 2023年第3期902-912,共11页

针对当前非协作通信中多输入多输出正交频分复用(multiple-input multiple-output orthogonal frequency division multiplexing,MIMO-OFDM)系统子载波的调制识别问题,提出了一种基于一维卷积神经网络(one-dimensional convolutional ne... 针对当前非协作通信中多输入多输出正交频分复用(multiple-input multiple-output orthogonal frequency division multiplexing,MIMO-OFDM)系统子载波的调制识别问题,提出了一种基于一维卷积神经网络(one-dimensional convolutional neural network,1D-CNN)的调制识别方法。首先,利用特征矩阵的联合近似对角化(joint approximate diagonalization of eigenvalue matrix,JADE)算法从接收端的混合信号中恢复发送信号;然后,提取恢复信号的循环谱切片和四次方谱作为浅层特征;最后,利用1D-CNN对特征进行训练,使用测试样本对所提出的调制识别方法进行仿真验证。仿真结果表明,所提方法对MIMO-OFDM系统中的5种信号可以进行有效识别,在信噪比为10 dB时的识别精度即可达到100%。 展开更多

关键词 多输入多输出正交频分复用 调制识别 循环谱 四次方谱 一维卷积神经网络

下载PDF 职称材料

基于信息融合与一维卷积神经网络的光伏电站传感器健康状态评估方法

4

作者 杨芳僚 黄鑫 +3 位作者 谭鸿志 闵琦 祝视 燕磊 《湖南电力》 2024年第3期105-113,共9页

针对现有传感器故障诊断方法中对专家知识的依赖、忽视旁路终端时空关联性、冗余特征影响等问题,提出一种基于信息融合与一维卷积神经网络的传感器健康状态评估方法。针对与光伏发电预测强相关的光照传感器和温度传感器,从传感器数据流... 针对现有传感器故障诊断方法中对专家知识的依赖、忽视旁路终端时空关联性、冗余特征影响等问题,提出一种基于信息融合与一维卷积神经网络的传感器健康状态评估方法。针对与光伏发电预测强相关的光照传感器和温度传感器,从传感器数据流统计特征、传感器数据流时序特征、旁路终端数据特征、天气预报数据特征等4个维度进行特征提取,并利用随机森林算法筛选传感器核心特征,最后针对以上两类传感器分别训练健康状态评估模型。实验结果表明,所提方法在温度传感器和光照传感器的健康状态评估中准确率分别达到了99.29%和99.07%。 展开更多

关键词 健康状态评估 传感器 信息融合 一维卷积神经网络 特征提取 特征筛选

下载PDF 职称材料

基于机器学习的核电厂DCS卡件故障诊断研究 被引量：2

5

作者 汪凡雨 吴一纯 +1 位作者 卜扬 林志强 《自动化仪表》 CAS 2023年第6期5-12,共8页

随着核电厂运行时间的累积,数字化仪控设备的老化问题日益凸显。开关电源电路模块是分布式控制系统(DCS)卡件的关键组成部分。该模块的故障会导致卡件失效,甚至可能破坏核电厂的安全经济运行。针对核电厂某DCS卡件开关电源电路模块,开... 随着核电厂运行时间的累积,数字化仪控设备的老化问题日益凸显。开关电源电路模块是分布式控制系统(DCS)卡件的关键组成部分。该模块的故障会导致卡件失效,甚至可能破坏核电厂的安全经济运行。针对核电厂某DCS卡件开关电源电路模块,开展了基于机器学习的板级故障诊断研究。根据传统机器学习和深度学习,分别开发了粒子群优化(PSO)-支持向量机(SVM)和一维卷积神经网络(1D-CNN)模型。小波包变换用于PSO-SVM模型的电路故障特征提取。基于加速寿命试验获得的电容老化过程数据,通过Saber电路建模仿真采集了开关电源在对应故障模式下的输出电压波形,用于模型的训练和测试。试验结果表明,所开发的故障诊断模型均表现出良好的诊断性能。该研究完成了故障诊断方法的可行性验证,不仅为DCS卡件的预测性维护提供了具有实际工程意义的应用参考,也为后续开展系统级健康管理研究奠定了一定的理论基础。 展开更多

关键词 核电厂 分布式控制系统 铝电解电容 一维卷积神经网络 支持向量机 粒子群优化 故障诊断

下载PDF 职称材料

基于一维卷积神经网络的非侵入工业负荷事件检测方法 被引量：3

6

作者 余昊杨 武昕 《计算机应用》 CSCD 北大核心 2022年第S02期277-284,共8页

针对非侵入式工业负荷事件检测中准确率较低和漏检率较大的问题,提出了一种基于一维卷积神经网络(1D-CNN)的非侵入工业负荷事件检测方法。所提方法在1D-CNN模型中引入Inception-V2模型构建一维Inception-V2卷积神经网络(1D-Inception-V2... 针对非侵入式工业负荷事件检测中准确率较低和漏检率较大的问题,提出了一种基于一维卷积神经网络(1D-CNN)的非侵入工业负荷事件检测方法。所提方法在1D-CNN模型中引入Inception-V2模型构建一维Inception-V2卷积神经网络(1D-Inception-V2-CNN)模型,利用多种长度的滑动窗和对应的卷积核实现对数据的读取和压缩,利用1D-Inception-V2-CNN模型对压缩后的数据进行检测和分类,并通过自适应循环检测方法更新网络模型的检测样本库,最终实现对工业用户负荷数据的全面检测。在对实际工业用户的事件检测实验中,所提检测方法的准确率和Fscore分别达到了96.32%和95.42%,与LeNet一维卷积神经网络、二维卷积神经网络和滑动窗累积和算法相比均有明显的提升。实验结果表明,所提方法能够有效地提高工业事件检测的准确率,同时减小事件漏检率。 展开更多

关键词 工业负荷 非侵入式负荷监测 用电感知 事件检测 一维卷积神经网络 Inception-V2

下载PDF 职称材料

基于神经网络的振动给料机故障诊断算法 被引量：1

7

作者 张斌 张辛忻 杨海涛 《中国安全科学学报》 CAS CSCD 北大核心 2023年第S02期55-59,共5页

为解决振动给料机故障诊断采用传统信号处理方式缺乏自适应性的问题,引入基于自适应一维卷积神经网络(1D-CNN)的故障诊断算法;通过深入分析振动给料机的故障特性,将故障状态的原始振动信号进行预处理,构建训练样本和测试样本;将每个训... 为解决振动给料机故障诊断采用传统信号处理方式缺乏自适应性的问题,引入基于自适应一维卷积神经网络(1D-CNN)的故障诊断算法;通过深入分析振动给料机的故障特性,将故障状态的原始振动信号进行预处理,构建训练样本和测试样本;将每个训练样本按照时间划分,作为1D-CNN的输入,在不同时间段内对振动信号的特征进行自适应层级化提取。结果表明:通过引入自适应性,算法能够更灵活地适应振动信号中存在的复杂动态模式。这种自适应性带来了更高的诊断准确度,尤其是在面对振动特性频繁变化或者存在噪声干扰的情况下。通过选取合适的神经网络尺寸,输出针对振动给料机的故障状态的诊断结果,在重叠比例为49%的情况下,准确率高达90.2%。 展开更多

关键词 振动给料机 一维卷积神经网络 故障诊断 自适应提取 重叠比例

下载PDF 职称材料

基于1-D CNN的二阶段OFDM系统定时同步方法 被引量：1

8

作者 卿朝进 杨娜 +1 位作者 唐书海 饶川贵 《计算机应用研究》 CSCD 北大核心 2023年第2期565-570,共6页

针对存在多径干扰的正交频分复用系统的定时同步准确性低的问题,提出基于一维卷积神经网络(1-D CNN)的二阶段OFDM系统定时同步方法。在第一阶段,利用经典互相关方法实现路径特征初始抽取,捕获可分辨路径上的定时辅助同步点;基于定时辅... 针对存在多径干扰的正交频分复用系统的定时同步准确性低的问题,提出基于一维卷积神经网络(1-D CNN)的二阶段OFDM系统定时同步方法。在第一阶段,利用经典互相关方法实现路径特征初始抽取,捕获可分辨路径上的定时辅助同步点;基于定时辅助同步点构建1-D CNN网络学习第二阶段中的定时偏移;最后,结合两阶段处理,获得系统最终的定时同步偏移估计。相比于基于压缩感知的定时同步方法和基于极限学习机的定时同步方法,所研究的二阶段OFDM系统定时同步方法提高了定时同步准确性,并有效地降低计算复杂度与处理延迟。 展开更多

关键词 二阶段定时同步 一维卷积神经网络 正交频分复用

下载PDF 职称材料

用于倾角监测中的MEMS加速度计补偿方法 被引量：1

9

作者 杨小平 谭凯 +2 位作者 蒋力 刘光辉 李哲宏 《微纳电子技术》 CAS 北大核心 2022年第9期911-919,965,共10页

针对在山体滑坡倾角监测中微电子机械系统(MEMS)加速度计存在误差的问题,传统方法的补偿效果欠佳,且无法很好地对时间序列数据进行分析。为了提高山体姿态监测的精度,采用了一种基于一维卷积神经网络(1D-CNN)与长短期记忆(LSTM)网络相... 针对在山体滑坡倾角监测中微电子机械系统(MEMS)加速度计存在误差的问题,传统方法的补偿效果欠佳,且无法很好地对时间序列数据进行分析。为了提高山体姿态监测的精度,采用了一种基于一维卷积神经网络(1D-CNN)与长短期记忆(LSTM)网络相结合的MEMS加速度计误差补偿方法。将采集到的加速度数据转换成角度数据,然后通过1D-CNN与LSTM网络模型进行训练,设计了误差补偿的硬件系统,从而实现实时误差补偿。实验结果表明,与卡尔曼滤波和反向传播(BP)神经网络相比,X轴的均值和标准差分别为0.000 057°和0.000 033°,误差下降了一个数量级,说明1D-CNN与LSTM相结合的网络对MEMS加速度计具有更好的补偿效果,为将来应用在山体滑坡倾角监测中奠定了基础。 展开更多

关键词 微电子机械系统(MEMS) 加速度计 误差补偿 一维卷积神经网络(1D-cnn) 长短期记忆(LSTM)网络 倾角监测

下载PDF 职称材料

基于1D-CNN的植被等效水厚度反演研究

10

作者 赵强 曹骁 《安徽农业科学》 CAS 2023年第18期1-5,共5页

[目的]为实现高等级公路路域植被等效水厚度(EWT)快速、连续、高效监测需求。[方法]以叶片尺度高光谱为数据源,首先对辐射传输模型PROSPECT-D模拟数据和实测光谱数据分别进行标准正态变量变换、归一化等光谱变换。应用相关性分析提取各... [目的]为实现高等级公路路域植被等效水厚度(EWT)快速、连续、高效监测需求。[方法]以叶片尺度高光谱为数据源,首先对辐射传输模型PROSPECT-D模拟数据和实测光谱数据分别进行标准正态变量变换、归一化等光谱变换。应用相关性分析提取各变换光谱特征波段,基于PROSPECT-D模拟数据特征波段分别构建一维卷积神经网络(1D-CNN)、支持向量机路域植被叶片EWT反演模型,并用实测光谱数据进行模型验证。[结果]植被EWT最优反演路径为对光谱进行归一化预处理后,构建PROSPECT-D与1D-CNN组合模型,测试决定系数(R2c)为0.645、均方根误差(RMSEC)为2.367,精度较高,满足应用需求。[结论]该研究为利用高光谱数据对南方丘陵地区高等级公路植被EWT定量反演奠定了基础。 展开更多

关键词 辐射传输模型 PROSPECT-D 叶片等效水厚度 光谱变换 一维卷积神经网络

下载PDF 职称材料

基于拉曼光谱的苦味中药药性辨识方法

11

作者 程虹 梁浩 +2 位作者 李文妍 秦丹 王耘 《中华中医药杂志》 CAS CSCD 北大核心 2023年第9期4120-4124,共5页

目的:应用中药拉曼光谱数据结合多种算法建立苦味中药药性分类辨识模型,对苦味中药药性进行辨识研究。方法:利用SEED 3000拉曼光谱仪测定110种苦味中药和132种非苦味中药的拉曼谱图,对拉曼数据进行预处理并结合一维卷积神经网络(1D-CNN... 目的:应用中药拉曼光谱数据结合多种算法建立苦味中药药性分类辨识模型,对苦味中药药性进行辨识研究。方法:利用SEED 3000拉曼光谱仪测定110种苦味中药和132种非苦味中药的拉曼谱图,对拉曼数据进行预处理并结合一维卷积神经网络(1D-CNN)、支持向量机(SVM)、随机森林(Random Forest)、多层感知机(MLP)、逻辑回归(Logistic Regression)多种分类算法建立苦味辨识模型;同时采用准确率、精确度、召回率、F1值评价模型优劣。结果:各分类器对中药苦味的辨识准确率均达到90%以上,而1D-CNN模型(准确率97.26%,精确度97.42%,召回率97.26%,F1值97.27%)表现最佳。结论:中药拉曼谱图数据信息与苦味药性密切相关,可作为苦味药性的整体表征精准数据,结合1D-CNN模型展现出最佳的苦味辨识效果,有利于解决药性缺乏精准数据的瓶颈问题,丰富五味科学内涵。 展开更多

关键词 苦味中药 中药药性 拉曼光谱 一维卷积神经网络 机器学习

原文传递

基于一维卷积神经网络的螺旋铣刀具磨损监测 被引量：18

12

作者 汪海晋 尹宗宇 +2 位作者 柯臻铮 郭英杰 董辉跃 《浙江大学学报（工学版）》 EI CAS CSCD 北大核心 2020年第5期931-939,共9页

基于传统机器学习的螺旋铣刀具磨损监测方法需要复杂的特征提取和丰富的经验知识,不同磨损阶段具有相同的错误分类代价,针对这些问题,结合电流信号一维性特点,提出基于一维卷积神经网络(1D CNN)和代价敏感学习的螺旋铣刀具磨损监测方法... 基于传统机器学习的螺旋铣刀具磨损监测方法需要复杂的特征提取和丰富的经验知识,不同磨损阶段具有相同的错误分类代价,针对这些问题,结合电流信号一维性特点,提出基于一维卷积神经网络(1D CNN)和代价敏感学习的螺旋铣刀具磨损监测方法.采集机器人螺旋铣末端执行器主轴、公转轴和进给轴电流作为监测信号,并采用滑动窗口法进行样本划分,在降低网络容量的同时增加样本数量和多样性;在网络损失函数中引入代价矩阵并增加急剧磨损阶段的错误分类代价,使得1D CNN具有代价敏感性;直接将电流时域信号输入1D CNN,网络可以自动提取刀具磨损特征,并将特征提取和不同磨损阶段分类融合在一起.试验结果表明,在机器人螺旋铣系统中,该方法的刀具磨损监测准确率为99.29%,在急剧磨损阶段的查全率为99.60%. 展开更多

关键词 螺旋铣 刀具磨损监测 电流信号 一维卷积神经网络(1D cnn) 代价敏感学习

下载PDF 职称材料

基于Sentinel-1A影像和一维CNN的中国南方生长季早期作物种类识别 被引量：16

13

作者 赵红伟 陈仲新 +1 位作者 姜浩 刘佳 《农业工程学报》 EI CAS CSCD 北大核心 2020年第3期169-177,共9页

作物的早期识别对粮食安全至关重要。在以往的研究中,中国南方作物早期识别面临的主要挑战包括:1)云层覆盖时间长、地块尺寸小且作物类型丰富;2)缺少高时空分辨率合成孔径雷达(synthetic aperture radar,SAR)数据。欧洲航天局Sentinel-1... 作物的早期识别对粮食安全至关重要。在以往的研究中,中国南方作物早期识别面临的主要挑战包括:1)云层覆盖时间长、地块尺寸小且作物类型丰富;2)缺少高时空分辨率合成孔径雷达(synthetic aperture radar,SAR)数据。欧洲航天局Sentinel-1A(S1A)卫星提供的SAR图像具有12 d的重访周期,空间分辨率达10 m,为中国南方作物早期识别提供了新的机遇。为在作物早期识别中充分利用S1A影像的时间特征,本研究提出一维卷积神经网络(one-dimensional convolutional neural network,1D CNN)的增量训练方法:首先利用生长季内全时间序列数据来训练1D CNN的超参数,称为分类器;然后从生长季内第一次S1A影像获取开始,在每个数据获取时间点输入该点之前(包括该点)生长季内所有数据训练分类器在该点的其他参数。以中国湛江地区2017年生长季为研究实例,分别基于VV、VH和VH+VV,评估不同极化数据在该地区的作物分类效果。为验证该方法的有效性,本研究同时应用经典的随机森林(random forest,RF)模型对研究区进行试验。结果表明:1)基于VH+VV、VH和VV极化数据的分类精度依次降低,其中,基于VH+VV后向散射系数时间序列1D CNN和RF测试结果的Kappa系数最大值分别为0.924和0.916,说明S1A时间序列数据在该地区作物分类任务中有效;2)在研究区域内2017年生长季早期,基于1D CNN和RF的5种作物的F-measure均达到0.85及以上,说明本文所构建的1D CNN在该地区主要作物早期分类任务中有效。研究结果证明,针对中国南方作物早期分类,本研究提出的1D CNN训练方案可行。研究结果可为深度学习在作物早期分类任务中的应用提供参考。 展开更多

关键词 作物 遥感 识别 早期 一维卷积神经网络(1D cnn) 深度学习 合成孔径雷达 Sentinel-1

下载PDF 职称材料

基于一维卷积神经网络与长短期记忆网络结合的电池荷电状态预测方法 被引量：15

14

作者 倪水平 李慧芳 《计算机应用》 CSCD 北大核心 2021年第5期1514-1521,共8页

针对电池荷电状态(SOC)预测的精确度与稳定性问题以及深层神经网络的梯度消失问题,提出一种基于一维卷积神经网络(1D CNN)与长短期记忆(LSTM)循环神经网络(RNN)结合的电池SOC预测方法——1D CNNLSTM模型。1D CNN-LSTM模型将电池的电流... 针对电池荷电状态(SOC)预测的精确度与稳定性问题以及深层神经网络的梯度消失问题,提出一种基于一维卷积神经网络(1D CNN)与长短期记忆(LSTM)循环神经网络(RNN)结合的电池SOC预测方法——1D CNNLSTM模型。1D CNN-LSTM模型将电池的电流、电压和电阻映射到目标值SOC。首先,通过一层一维卷积层从样本数据中提取出高级数据特征,并充分地利用输入数据的特征信息;其次,使用一层LSTM层保存历史输入信息,从而有效地预防重要信息的丢失;最后,通过一层全连接层输出电池SOC预测结果。使用电池的多次循环充放电实验数据训练提出的模型,分析对比不同超参数设置下1D CNN-LSTM模型的预测效果,并通过训练模型来调节模型的权重系数和偏置参数,从而确定最优的模型设置。实验结果表明,1D CNN-LSTM模型具有准确且稳定的电池SOC预测效果。该模型的平均绝对误差(MAE)、均方误差(MSE)和最大预测误差分别为0.402 7%、0.002 9%和0.99%。 展开更多

关键词 一维卷积神经网络 循环神经网络 长短期记忆 荷电状态预测 电池

下载PDF 职称材料

基于多模态特征融合的飞机货舱火警探测技术 被引量：1

15

作者 刘全义 韩冬 +2 位作者 艾洪舟 王海斌 胡茂绮 《安全与环境学报》 CAS CSCD 北大核心 2024年第2期538-544,共7页

针对当前飞机货舱火警误报率高及人工特征提取适应性差的问题,使用一维卷积神经网络,建立了多模态融合火警预测模型,进行特征提取,开展模型的评估与验证,将特征提取与分类进行整合,实现了端到端的火警预测任务,提高了模型的可靠性与准... 针对当前飞机货舱火警误报率高及人工特征提取适应性差的问题,使用一维卷积神经网络,建立了多模态融合火警预测模型,进行特征提取,开展模型的评估与验证,将特征提取与分类进行整合,实现了端到端的火警预测任务,提高了模型的可靠性与准确性。采用双波长烟雾探测技术,探测悬浮颗粒物的索特平均粒径、温度、红外光和蓝光的接收光与发射光功率比值。相较于传统火警探测算法将特征提取和分类分开处理策略,按照无火、阴燃、有火3种类别,进行火警信息的分类预测。结果表明,多模态融合的火警探测模型相对于单模态火警探测模型可以达到更高的探测精度,精度可达0.95以上。 展开更多

关键词 安全工程 多模态融合 一维卷积神经网络 双波长烟雾探测 飞机货舱 火警探测

下载PDF 职称材料

融合一维卷积神经网络和双向门控循环单元的APM车辆轮胎径向载荷识别方法 被引量：2

16

作者 曾俊玮 季元进 +3 位作者 任利惠 葛方顺 孙泽良 黄章行 《中国机械工程》 EI CAS CSCD 北大核心 2023年第3期359-368,共10页

针对轮胎载荷直接测量昂贵复杂及传统载荷识别方法精度低、鲁棒性差的现实,提出了一种融合一维卷积神经网络(1D CNN)和双向门控循环单元(BiGRU)的胶轮车辆轮胎径向载荷识别方法。充分考虑轮胎径向载荷数据的先验信息,以车辆振动响应、... 针对轮胎载荷直接测量昂贵复杂及传统载荷识别方法精度低、鲁棒性差的现实,提出了一种融合一维卷积神经网络(1D CNN)和双向门控循环单元(BiGRU)的胶轮车辆轮胎径向载荷识别方法。充分考虑轮胎径向载荷数据的先验信息,以车辆振动响应、车体位姿、运行状态等多源信息构建特征集并经特征选择保留有效的特征子集,构造多时间步输入-单时间步输出的样本用以网络训练。运用1D CNN提取信号的多维度空间特征并输入BiGRU中双向捕获时序特征,得到载荷预测的结果,结合预测精度、泛化性能、鲁棒性能修正理论模型。以APM300型车辆为例进行载荷识别,与传统算法相比,所提方法有效降低了载荷识别的误差,适用于不同运行工况,且能克服不同程度的测量噪声,在工程领域有现实应用价值。 展开更多

关键词 载荷识别 胶轮车辆 一维卷积神经网络 双向门控循环单元

下载PDF 职称材料

基于mini-1D-CNN模型的TE过程故障诊断 被引量：2

17

作者 杨余 杨鑫 +2 位作者 王英 翟持 张浩 《中国安全科学学报》 CAS CSCD 北大核心 2023年第2期173-178,共6页

为提升石化企业过程监测与故障诊断系统性能,满足化工过程故障诊断实时性、时效性的要求,提出一种基于过程历史数据驱动的最小一维卷积神经网络(mini-1D-CNN)的故障诊断模型。首先,通过一维卷积核学习和识别不同故障类型的数据特征,自... 为提升石化企业过程监测与故障诊断系统性能,满足化工过程故障诊断实时性、时效性的要求,提出一种基于过程历史数据驱动的最小一维卷积神经网络(mini-1D-CNN)的故障诊断模型。首先,通过一维卷积核学习和识别不同故障类型的数据特征,自动提取优势特征并进行故障分类;其次,通过逐步向后回归选择重要特征参数,优化模型结构。利用可实时获取的31个过程变量与操作参数,输入一维卷积神经网络(1D-CNN),监测与诊断田纳西-伊斯曼(TE)过程的主要故障。结果表明:相对于其他故障诊断模型,mini-1D-CNN模型在测试集上故障诊断率(FDR)较高,可达到96.50%;同时,mini-1D-CNN模型关注于TE过程故障诊断的重要特征参数,在降低参数量及降低训练和测试时间上具有显著优势。 展开更多

关键词 最小一维卷积神经网络(mini-1D-cnn) 田纳西-伊斯曼(TE)过程 故障诊断 过程监测 贡献系数

下载PDF 职称材料

基于1D CNN-XGBoost的滚动轴承故障诊断 被引量：2

18

作者 张超 秦敏敏 张少飞 《机床与液压》 北大核心 2022年第16期169-173,共5页

在滚动轴承故障自动分类的研究中,使用传统的机器学习方法需要通过手动提取特征,因此特征的提取并不充分且自适应性不强。针对以上问题,提出一种一维卷积神经网络(1D CNN)结合XGBoost算法的单通道滚动轴承故障分类模型。该模型结合1D CN... 在滚动轴承故障自动分类的研究中,使用传统的机器学习方法需要通过手动提取特征,因此特征的提取并不充分且自适应性不强。针对以上问题,提出一种一维卷积神经网络(1D CNN)结合XGBoost算法的单通道滚动轴承故障分类模型。该模型结合1D CNN和XGBoost的优势,对采集到的轴承振动信号进行数据集划分;使用训练集对1D CNN进行训练,把训练好的1D CNN模型进行保存并用来实现轴承数据特征的自动提取;将提取的特征数据集代入XGBoost算法中进行训练和分类。为验证所提模型的有效性,使用凯斯西储大学轴承数据中心提供的数据对1D CNN模型、XGBoost模型和1D CNN-XGBoost模型进行实验对比;为验证1D CNN-XGBoost的泛化性,使用一组新的滚动轴承数据集进行实验。结果表明:1D CNN-XGBoost模型的分类准确率更高,是一种有效的轴承故障分类模型,具有很好地分类性能和泛化性。 展开更多

关键词 一维卷积神经网络 XGBoost算法 滚动轴承 故障诊断

下载PDF 职称材料

基于底质分类的浅海海域遥感水深反演

19

作者 王江杰 王星河 《北京测绘》 2024年第8期1172-1178,共7页

近年来,卫星遥感影像水深反演一直是国内外研究热点,以往的遥感影像水深反演模型多基于底质均一的条件,缺乏对混合海底底质的研究。针对此问题,本文提出基于底质分类视角的遥感影像水深反演模型。以中国海南岛周边的蜈支洲岛与附近卫星... 近年来,卫星遥感影像水深反演一直是国内外研究热点,以往的遥感影像水深反演模型多基于底质均一的条件,缺乏对混合海底底质的研究。针对此问题,本文提出基于底质分类视角的遥感影像水深反演模型。以中国海南岛周边的蜈支洲岛与附近卫星影像为试验数据,对其进行预处理与底质分类后,分别使用双向长短期记忆网络(Bi-LSTM)模型、Stumpf模型与一维卷积神经网络(1D-CNN)模型进行水深反演,分析底质分类前后水深反演结果与不同模型的水深反演结果。结果表明,不同模型在底质分类后水深反演精度均高于底质分类前水深反演精度。Bi-LSTM模型的水深反演精度最高,底质分类后遥感影像水深反演的平均绝对误差、均方根误差与决定系数分别为0.333 m、0.474 m、0.814 m,均优于对比模型。 展开更多

关键词 遥感影像 水深反演 海底底质分类 双向长短期记忆网络(Bi-LSTM) Stumpf模型 1D-cnn模型

下载PDF 职称材料