基于PCC-VMD的一维卷积神经网络的轴承早期故障诊断

1

作者 邓志超 张清华 于军 《机床与液压》 北大核心 2025年第2期9-15,共7页

针对轴承早期微弱故障信号容易被强噪声环境掩盖、特征难以提取的问题,提出一种基于皮尔逊相关系数和变分模态分解的一维卷积神经网络的早期故障诊断方法。采用VMD对原始振动信号进行变分模态分解;计算各模态分量与原始信号的皮尔逊相... 针对轴承早期微弱故障信号容易被强噪声环境掩盖、特征难以提取的问题,提出一种基于皮尔逊相关系数和变分模态分解的一维卷积神经网络的早期故障诊断方法。采用VMD对原始振动信号进行变分模态分解;计算各模态分量与原始信号的皮尔逊相关系数,再根据相关系数阈值去掉噪声分量并对信号进行重构,最后对重构信号进行傅里叶变换并输入到一维卷积神经网络中,利用一维卷积神经网络对轴承早期故障进行诊断。利用所提方法对西储大学(CWRU)轴承数据集的滚动轴承故障数据进行分析,诊断准确率达到99%以上,验证了所提方法对滚动轴承早期故障诊断的有效性。 展开更多

关键词 皮尔逊相关系数 变分模态分解 一维卷积神经网络(1d-CNN) 早期故障诊断

在线阅读 下载PDF 职称材料

基于一维卷积神经网络的语音识别系统构建方法

2

作者 刘洋 廉咪咪 《电声技术》 2024年第10期77-79,共3页

提出一种基于一维卷积神经网络(1D Convolutional Neural Network,1D-CNN)的语音识别系统。首先研究基于1D-CNN的语音识别系统框架,其次重点介绍使用TensorFlow构建该系统的方法,最后采用Libri Speech数据集,在无噪声、轻微噪声和严重... 提出一种基于一维卷积神经网络(1D Convolutional Neural Network,1D-CNN)的语音识别系统。首先研究基于1D-CNN的语音识别系统框架,其次重点介绍使用TensorFlow构建该系统的方法,最后采用Libri Speech数据集,在无噪声、轻微噪声和严重噪声条件下进行系统测试,并使用准确率、召回率、F1等指标进行评估。实验结果表明,所提出的系统在无噪声和轻微噪声条件下具有较高的识别准确率和稳定性,即使在严重噪声环境中也表现出较好的健壮性。 展开更多

关键词 一维卷积神经网络(1d-CNN) 语音识别 系统构建 TensorFlow框架

在线阅读 下载PDF 职称材料

基于1D卷积神经网络的滚动轴承故障诊断方法 被引量：15

3

作者 于景洋 宁德军 毛建华 《工业控制计算机》 2019年第6期90-92,共3页

随着现代科学技术的飞速发展,传统工业正朝着智能工业的方向发展,工业系统日益呈现出规模大型化、结构复杂化的特点,工业系统中的设备日益智能化、复杂化、精密化和综合化,其运行工况和工作环境也愈发复杂。滚动轴承作为旋转机械中最为... 随着现代科学技术的飞速发展,传统工业正朝着智能工业的方向发展,工业系统日益呈现出规模大型化、结构复杂化的特点,工业系统中的设备日益智能化、复杂化、精密化和综合化,其运行工况和工作环境也愈发复杂。滚动轴承作为旋转机械中最为关键的零部件之一,使用有效的故障诊断技术监控其运转状态,及时判断故障的发生,具有现实意义。加速传感器所采集的滚动轴承振动信号为一维时序数据,故利用深度学习中的1D卷积神经网络对滚动轴承进行故障诊断。实验表明,该方法具有一定的可行性和有效性。 展开更多

关键词 故障诊断技术 1d卷积神经网络 智能工业 振动信号处理

在线阅读 下载PDF 职称材料

卷积神经网络方法在涌潮水动力特性演变中的应用研究

4

作者 王智弘 屈科 +2 位作者 杨元平 王旭 高榕泽 《海洋学研究》 CSCD 北大核心 2024年第3期131-141,共11页

该文基于开源软件OpenFOAM求解雷诺平均的Navier-Stokes方程,实现了对于波状涌潮(Fr=1.2~1.3)的数值模拟,并与物理实验数据比较,验证了数值模拟的准确性。使用CONV1D卷积神经网络模型对数值模拟数据进行了学习,预测出在具有斜坡地形上... 该文基于开源软件OpenFOAM求解雷诺平均的Navier-Stokes方程,实现了对于波状涌潮(Fr=1.2~1.3)的数值模拟,并与物理实验数据比较,验证了数值模拟的准确性。使用CONV1D卷积神经网络模型对数值模拟数据进行了学习,预测出在具有斜坡地形上的涌潮水动力发展过程。对比涌潮到达x=30.0 m测点处的用时和该测点的最高水位的模型预测结果与数值模拟结果可知:到达用时的平均相对误差为2.28%,最高水位的平均相对误差为3.73%。较小的相对误差证明了CONV1D模型的准确性。该文对于涌潮的水动力过程模拟、与涌潮相关的灾害预警以及初生涌潮未来发展趋势研究都具有一定意义。 展开更多

关键词 涌潮 钱塘江 OPENFOAM 水动力过程 斜坡地形 卷积神经网络 CONV1d 数值模拟

在线阅读 下载PDF 职称材料

基于一维卷积神经网络的轴承故障诊断方法研究 被引量：6

5

作者 冯连强 徐江 +2 位作者 田瑞明 焦丽聪 李韬 《重型机械》 2021年第1期57-62,共6页

轴承故障诊断为机械故障诊断领域的研究热点,传统轴承故障诊断方法需要在特征选择的基础上实现信号特征提取,这类方法诊断效率低,且诊断效果依赖于特征参数的选择。因此,为了提高滚动轴承故障诊断效率和准确度,考虑到一维卷积神经网络... 轴承故障诊断为机械故障诊断领域的研究热点,传统轴承故障诊断方法需要在特征选择的基础上实现信号特征提取,这类方法诊断效率低,且诊断效果依赖于特征参数的选择。因此,为了提高滚动轴承故障诊断效率和准确度,考虑到一维卷积神经网络具有端到端的特点,文章提出一种基于一维卷积神经网络(1DCNN)的滚动轴承故障诊断方法。利用CWRU轴承数据集对方法的性能进行验证,实验结果表明在相同负载条件下的故障诊断准确度为99.59%以上,且该方法在变负载条件下具有强的诊断鲁棒性。 展开更多

关键词 轴承 一维卷积神经网络(1dCNN) CWRU轴承数据集

在线阅读 下载PDF 职称材料

基于一维卷积神经网络的螺旋铣刀具磨损监测 被引量：20

6

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

在线阅读 下载PDF 职称材料

基于深度多尺度一维卷积神经网络的雷达舰船目标识别 被引量：29

7

作者 郭晨 简涛 +2 位作者 徐从安 何友 孙顺 《电子与信息学报》 EI CSCD 北大核心 2019年第6期1302-1309,共8页

为满足雷达舰船目标识别的高实时性和高泛化性的需求,该文提出了一种基于深度多尺度1维卷积神经网络的目标高分辨1维距离像(HRRP)识别方法。针对高分辨1维距离像特征提取难的问题,所提方法通过共享卷积核的权值,使用多尺度的卷积核提取... 为满足雷达舰船目标识别的高实时性和高泛化性的需求,该文提出了一种基于深度多尺度1维卷积神经网络的目标高分辨1维距离像(HRRP)识别方法。针对高分辨1维距离像特征提取难的问题,所提方法通过共享卷积核的权值,使用多尺度的卷积核提取不同精细度的特征,并构造中心损失函数来提高特征的分辨能力。实验结果表明,该模型可以显著提高目标在非理想条件下的识别正确率,克服目标姿态角敏感性问题,具有良好的鲁棒性和泛化性。 展开更多

关键词 雷达目标识别 高分辨1维距离像 多尺度 卷积神经网络 中心损失函数

在线阅读 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

8

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

在线阅读 下载PDF 职称材料

基于神经网络的二元混合液体自燃温度预测

9

作者 胡双启 郭丙宇 +1 位作者 程泽会 吴薇 《安全与环境学报》 CAS CSCD 北大核心 2024年第5期1710-1716,共7页

自燃温度(Auto-Ignition Temperature,AIT)是防火防爆安全设计的关键临界参数之一。为解决目前多数采用试验方法测量混合物AIT费时费力且有一定危险性的问题,运用定量结构性质关系方法,使用反向传播神经网络(Back Propagation Neural Ne... 自燃温度(Auto-Ignition Temperature,AIT)是防火防爆安全设计的关键临界参数之一。为解决目前多数采用试验方法测量混合物AIT费时费力且有一定危险性的问题,运用定量结构性质关系方法,使用反向传播神经网络(Back Propagation Neural Network,BPNN)和一维卷积神经网络(one-Dimensional Convolutional Neural Network,1DCNN)技术建立二元混合液体AIT预测模型。以二元混合液体的分子描述符为输入、试验测得的AIT为输出,经多种方法对模型的拟合性、稳定性和预测能力评价验证。结果表明,BPNN模型和1DCNN模型均有良好的预测能力,其均方根误差分别为4.780℃和9.603℃,拟合度与5折交叉验证拟合度差值分别为0.058和0.040,表明BPNN模型有更好的拟合能力,1DCNN模型有良好的稳定性。 展开更多

关键词 安全工程 反传播神经网络(BPNN) 一维卷积神经网络(1dCNN) 二元混合液体 自燃温度

在线阅读 下载PDF 职称材料

基于1DCNN-SVM的天然气水合物风险防控边界预测方法

10

作者 吕晓方 陈书楷 +5 位作者 徐孝轩 柳扬 钱瑞祥 王传硕 李晓伟 周诗岽 《管道保护》 2025年第1期14-21,共8页

为了保障油气管道的流动安全,准确预测天然气水合物的生成条件非常重要。传统方法依赖于实验经验公式或简单物理模型,但这些方法计算复杂、适用范围有限且精度较低。为此,提出了一种基于一维卷积神经网络(1DCNN)-支持向量机(SVM)的天然... 为了保障油气管道的流动安全,准确预测天然气水合物的生成条件非常重要。传统方法依赖于实验经验公式或简单物理模型,但这些方法计算复杂、适用范围有限且精度较低。为此,提出了一种基于一维卷积神经网络(1DCNN)-支持向量机(SVM)的天然气水合物相平衡预测方法。在实验中,探讨了不同迭代次数对模型性能的影响,确定2000次迭代时模型性能最佳。对比1DCNN-SVM模型与传统SVM、CNN、BP模型和OLGA的预测效果,结果显示1DCNN-SVM模型具有优异的预测性能,R2达到0.9761,MSE为1.8236,MAE为0.5889,均优于其他模型。此外,1DCNN-SVM模型在面对新数据时,表现出良好的适用性与稳定性。该预测方法为油气管道水合物生成的预测、监测预警及防控提供了新的思路。 展开更多

关键词 天然气水合物 相平衡 一维卷积神经网络(1dCNN) 支持向量机(SVM)

在线阅读 下载PDF 职称材料

SA-C3D神经网络在动作识别上的应用

11

作者 张宏博 陈胜 《软件工程与应用》 2022年第6期1561-1569,共9页

本文的主要目的是利用自注意力机制加强C3D网络在动作识别方面的准确率。C3D神经网络作为比较早提出的模型,在视频动作识别领域中有着重要的地位。随着各项研究的进展,C3D网络已经渐渐过时,识别准确率也较低。所以本文主要以C3D网络为基... 本文的主要目的是利用自注意力机制加强C3D网络在动作识别方面的准确率。C3D神经网络作为比较早提出的模型,在视频动作识别领域中有着重要的地位。随着各项研究的进展,C3D网络已经渐渐过时,识别准确率也较低。所以本文主要以C3D网络为基础,结合目前的自注意力机制,在C3D网络中集成了Non-Local模块,同时将固定学习率衰减替换为余弦退火学习率衰减,提高模型跳出局部最优解的能力。利用3D卷积提取动作视频的局部特征,再使用自注意力机制捕捉人体动作的全局信息,开发出新的SA-C3D网络。在没有预训练的前提下,对UCF-101数据集进行训练,识别准确率较之前的C3D网络以及一系列优秀的动作识别模型有了较大的提高,识别准确率高达95%。 展开更多

关键词 C3d 3维卷积神经网络 自注意力 NON-LOCAL 动作识别

在线阅读 下载PDF 职称材料

基于改进神经网络与比值法融合的变压器故障诊断方法 被引量：10

12

作者 李平 胡根铭 《高电压技术》 EI CAS CSCD 北大核心 2023年第9期3898-3906,共9页

为提高采用单神经网络方法的变压器故障诊断精度,该文提出了一种基于改进神经网络与比值法融合的变压器故障诊断方法。针对深层1维卷积神经网络(one-dimensional convolutional neural network,1D-CNN)难以适应变压器溶解气体数据的难题... 为提高采用单神经网络方法的变压器故障诊断精度,该文提出了一种基于改进神经网络与比值法融合的变压器故障诊断方法。针对深层1维卷积神经网络(one-dimensional convolutional neural network,1D-CNN)难以适应变压器溶解气体数据的难题,搭建了改进的1D-CNN作为融合分类方法的基础分类器;为提升神经网络在变压器故障诊断中的应用性能,提出了一种融合分类模块(fusion classification module,FCM),提前筛选出可能被网络错误分类的样本并转由传统比值法进行单条数据分析;并用算例仿真验证了所提方法的可操作性和适应性。研究结果表明:与常规1维卷积神经网络、循环神经网络相比,改进的1D-CNN作为基础分类器的性能表现优异;FCM在不同数据集下对基础分类器均有相应的性能提升,对于初始准确率高于95%的基础分类器提升效果更稳定。 展开更多

关键词 1维卷积神经网络 融合分类方法 比值法 变压器故障诊断 溶解气体

在线阅读 下载PDF 职称材料

正则化机制下多粒度神经网络剪枝方法研究 被引量：6

13

作者 刘奇 陈莹 《电子学报》 EI CAS CSCD 北大核心 2023年第8期2202-2212,共11页

目前流行的模型压缩剪枝算法裁减的对象通常是整个卷积核.一些网络结构中存在特征图维度匹配的硬性要求,如ResNet中的残差结构主干上最后一个卷积层的卷积核个数以及Inception网络中的级联操作前所有分支上最后一个卷积层的卷积核个数... 目前流行的模型压缩剪枝算法裁减的对象通常是整个卷积核.一些网络结构中存在特征图维度匹配的硬性要求,如ResNet中的残差结构主干上最后一个卷积层的卷积核个数以及Inception网络中的级联操作前所有分支上最后一个卷积层的卷积核个数都不能改变,这直接限定了剪枝的空间.本文提出一种正则化机制下的多粒度神经网络剪枝方法,针对维度匹配限制了剪枝空间的问题,设计从粗到细的多粒度剪枝策略,在稀疏化的同时维持了处于维度匹配位置的卷积层中卷积核的数量不变.并且,本文提出一种自适应L1正则化的稀疏方式,可以使网络在更新参数的同时兼顾到网络结构的变化.稀疏化后的卷积核不仅有比原卷积核更少的参数和计算量,而且拥有更加优异的结构性质,使网络具有更高的表达能力.例如,在CIFAR-10上,针对VGG-16,相比基准网络,在计算量压缩了76.73%的情况下,准确率提高了0.19%;针对ResNet-56,在计算量压缩了82.54%的情况下,准确率只下降了0.14%.在ImageNet上,针对ResNet-50,在计算量压缩了56.95%的情况下,准确率只下降了0.48%.本文方法优于现有先进的剪枝方法. 展开更多

关键词 卷积神经网络 正则化 剪枝 维度匹配 自适应L1正则化

在线阅读 下载PDF 职称材料

基于一维卷积神经网络与自编码算法的松属物种鉴别机制

14

作者 陈冬英 翁伟雄 +1 位作者 陈培亮 魏建崇 《生态学报》 2025年第5期2401-2411,共11页

松属植物具有重要的生态和经济价值。但松属植物的基因组庞大、分子进化慢,物种的特征相似性极高,辨别难度大。为解决传统松属物种鉴别方法存在的成本高、耗时长、准确率低、操作复杂等问题,提出了一种基于松属近红外光谱数据(NIRS)并... 松属植物具有重要的生态和经济价值。但松属植物的基因组庞大、分子进化慢,物种的特征相似性极高,辨别难度大。为解决传统松属物种鉴别方法存在的成本高、耗时长、准确率低、操作复杂等问题,提出了一种基于松属近红外光谱数据(NIRS)并结合一维连续型卷积神经网络(1D⁃CS⁃CNN)与自编码技术的松属物种检测机制。使用更高效率的连续型结构替代传统1D⁃CNN模型中隐含层结构,并针对松属NIRS数据适应性改进为1D⁃CS⁃CNN模型,使其可直接应用于一维NIRS数据。结合自编码器的重构误差设计一种考虑未知类别的松属物种鉴别方法,通过待测样本的自编码重构误差来解决卷积神经网络置信度过高的问题,将修正的置信度与预先设定的阈值进行比较,判断该样本是否为未知品种。实验结果表明,1D⁃CS⁃CNN训练集与测试集准确率均达到近100%,损失值收敛为0.015,改进后的1D⁃CS⁃CNN模型识别速度更快;同时,自编码模型对未知类别松属检测机制识别率为99%。实验结果证明,该模型可快速高效分类出不同松属物种,同时检测出松属新物种。 展开更多

关键词 松属物种 近红外光谱(NIRS) 自编码器 一维连续卷积神经网络(1d⁃CS⁃CNN) 鉴别

在线阅读 下载PDF 职称材料

基于一维卷积神经网络的钢轨波磨迁移诊断方法

15

作者 王阳 肖宏 +3 位作者 张智海 迟义浩 魏绍磊 方树薇 《铁道学报》 2025年第4期115-123,共9页

监测钢轨表面波磨状态是控制铁路环境振动与噪声的必要措施,利用安装在运营列车车体上的加速度传感器实现对钢轨波磨的实时监测,具有低成本、高效和便携的优点。为实现利用车体动态响应识别钢轨波磨,通过小波变换等手段分析钢轨波磨激... 监测钢轨表面波磨状态是控制铁路环境振动与噪声的必要措施,利用安装在运营列车车体上的加速度传感器实现对钢轨波磨的实时监测,具有低成本、高效和便携的优点。为实现利用车体动态响应识别钢轨波磨,通过小波变换等手段分析钢轨波磨激励下车体振动特性,建立车辆-轨道刚柔耦合模型,获取车体垂向加速度仿真数据集。基于一维卷积神经网络搭建钢轨波磨检测模型并在仿真数据集上进行训练,与其他几种常见的检测模型进行对比,最后将模型迁移到实测车体垂向加速度数据集上实现对钢轨波磨的诊断。研究结果表明,钢轨波磨激励的振动能量在运行方向左侧和右侧空气弹簧对应的地板表面位置基本相同,通过车体垂向振动加速度信号无法区分左右两股钢轨的差异。与SVM、LSTM及2D-CNN相比,本文提出的钢轨波磨检测模型精度最高,单个样本推理时间仅为1.00 ms,钢轨波磨识别准确度达92.38%。 展开更多

关键词 钢轨波磨 车载检测 数据驱动 迁移学习 一维卷积神经网络(1d-CNN)

在线阅读 下载PDF 职称材料

轻量级(2+1)D卷积结构的动态手势识别研究 被引量：4

16

作者 赵康 黎向锋 +1 位作者 李高扬 左敦稳 《微电子学与计算机》 2022年第9期46-54,共9页

目前,基于卷积神经网络的动态手势识别方法取得了巨大的进展,但神经网络模型具有很大的参数量,计算成本和内存占用较大,很难应用在设备资源有限的场合.以减少计算量和参数量为出发点,提出了一种轻量级(2+1)D卷积结构.该结构在(2+1)D卷... 目前,基于卷积神经网络的动态手势识别方法取得了巨大的进展,但神经网络模型具有很大的参数量,计算成本和内存占用较大,很难应用在设备资源有限的场合.以减少计算量和参数量为出发点,提出了一种轻量级(2+1)D卷积结构.该结构在(2+1)D卷积结构的基础上,将其中的3D卷积替换为3D深度可分离卷积,在输出向量维度不变的前提下,进一步减少了(2+1)D卷积结构的计算量和参数量.为了弥补时空特征在表征动态手势上的不足,融合注意力机制模块,专注于对运动特征的提取,结合轻量级(2+1)D卷积结构提取的时空特征,可以更好地表征手势动作.实验结果表明,注意力机制模块的插入,在不增加太多额外计算和空间成本的前提下,进一步提高了模型的识别精度.基于以上结构构建的模型,在20BN-jester、EgoGesture和IsoGD数据集上分别取得了96.62%、91.83%和60.1%的识别精度,模型参数量和浮点计算量分别为5.05M和12.81GFLOPs,相比于其他手势识别模型,计算成本和内存占用大大减少,实时手势识别速度达到每秒70帧. 展开更多

关键词 动态手势识别 卷积神经网络 轻量级(2+1)d卷积结构 注意力机制

在线阅读 下载PDF 职称材料

基于1DCNN-GRU的启闭机液压系统故障诊断 被引量：2

17

作者 刘英杰 董詠依 +1 位作者 刘鹏鹏 葛孟伟 《现代制造技术与装备》 2024年第4期169-173,共5页

由于启闭机液压系统内部结构复杂,故障信号不易采集,使用AMESim软件搭建启闭机液压系统仿真模型,构建6种典型故障数据集。基于这些数据集,提出一维卷积神经网络(1 Dimensional Convolutional Neural Network,1DCNN)与门控循环单元(Gated... 由于启闭机液压系统内部结构复杂,故障信号不易采集,使用AMESim软件搭建启闭机液压系统仿真模型,构建6种典型故障数据集。基于这些数据集,提出一维卷积神经网络(1 Dimensional Convolutional Neural Network,1DCNN)与门控循环单元(Gated Recurrent Unit,GRU)相结合的故障诊断方法,利用1DCNN提取信号数据的空间特征和GRU提取信号数据的时间特征,实现对信号数据空间及时间特征的融合,并对融合特征进行分类识别。 展开更多

关键词 启闭机 液压系统 一维卷积神经网络(1dCNN) 门控循环单元(GRU) 特征融合 故障诊断

在线阅读 下载PDF 职称材料

基于1DCNN-BiLSTM-BiGRU的电能质量扰动分类方法

18

作者 王立辉 柯泳 苏如开 《电气技术》 2024年第5期51-56,64,共7页

为了应对电能质量扰动(PQD)识别中噪声干扰导致的识别率下降问题,本文提出一种基于一维卷积神经网络(1DCNN)-双向长短期记忆(BiLSTM)网络-双向门控循环单元(BiGRU)的PQD分类方法。该方法首先借助1DCNN有效地提取原始信号的浅层局部特征... 为了应对电能质量扰动(PQD)识别中噪声干扰导致的识别率下降问题,本文提出一种基于一维卷积神经网络(1DCNN)-双向长短期记忆(BiLSTM)网络-双向门控循环单元(BiGRU)的PQD分类方法。该方法首先借助1DCNN有效地提取原始信号的浅层局部特征,然后通过BiLSTM和BiGRU组合模块对时序信息和上下文关系进行深入处理,从而实现深层时序特征的提取。最后,将所提取的特征经分类模块用于PQD识别。仿真结果表明,与传统方法相比,本文所提方法在准确性方面更具优势,且抗噪声能力更强。 展开更多

关键词 电能质量 一维卷积神经网络(1dCNN) 双向长短期记忆(BiLSTM)网络 双向门控循环单元(BiGRU)

在线阅读 下载PDF 职称材料

基于1D卷积与特征融合的深度学习轴承诊断算法研究

19

作者 余波 王朝宇 +2 位作者 付志超 凌静 陈军江 《计算机科学与应用》 2020年第11期2105-2121,共17页

轴承损伤严重影响设备正常运行,减小设备寿命。对轴承损伤的有效识别可以帮助设备进行维护。为此,本文创造性地提出了一种基于1D卷积与特征融合的互扰神经网络(Interference neural net-work, IFNN)深度学习模型来实现轴承诊断。该模型... 轴承损伤严重影响设备正常运行,减小设备寿命。对轴承损伤的有效识别可以帮助设备进行维护。为此,本文创造性地提出了一种基于1D卷积与特征融合的互扰神经网络(Interference neural net-work, IFNN)深度学习模型来实现轴承诊断。该模型由7层大尺寸卷积核单元、传统特征计算单元、融合单元和Softmax分类器组成。为了检验所提出方法的有效性,采用10倍交叉验证、4个数值指标和ROC曲线面积来评估分类结果。实验结果表明,本文提出的IFNN模型准确率为96.09%,精度为96.48%,召回率为96.10%,F1-score为96.08%,ROC值为1。通过与随机森林、支持向量机等模型的对比,IFNN模型的性能明显优于其他模型。因此,所提出的IFNN模型能有效地完成轴承损伤诊断任务。 展开更多

关键词 轴承诊断 1d卷积 特征融合 互扰神经网络

在线阅读 下载PDF 职称材料

基于SAE-SA-1D-CNN-BGRU的涡扇发动机剩余寿命预测 被引量：1

20

作者 聂磊 蔡文涛 +3 位作者 张吕凡 徐诗奕 吴柔慧 任一竹 《航空发动机》 北大核心 2023年第4期134-139,共6页

为解决涡扇发动机监测数据维度高和寿命预测准确度低的问题,提出一种基于深度学习的寿命预测方法,开展了利用神经网络获取涡扇发动机剩余寿命的研究。利用堆叠自编码(SAE)网络从高维传感器数据中提取健康因子(HI),采用1维卷积神经网络-... 为解决涡扇发动机监测数据维度高和寿命预测准确度低的问题,提出一种基于深度学习的寿命预测方法,开展了利用神经网络获取涡扇发动机剩余寿命的研究。利用堆叠自编码(SAE)网络从高维传感器数据中提取健康因子(HI),采用1维卷积神经网络-双向门控循环单元(1D-CNN-BGRU)方法捕捉HI序列中的空间和时间特征,并引入自注意(SA)机制对捕捉的特征分配权重,使用全连接层输出涡扇发动机剩余使用寿命(RUL),以此构建复合神经网络进行面向涡扇发动机高维数据的寿命预测。结果表明:利用NASA官方网站提供的涡扇发动机寿命试验公开数据集C-MAPSS对该方法进行验证,取得了均方根误差16.22和评分函数225的结果。证明了基于SAE-SA-1D-CNN-BGRU的寿命预测方法可实现涡扇发动机寿命的有效预测,能为涡扇发动机维修保障及健康管理提供有效决策支撑。 展开更多

关键词 剩余使用寿命 堆叠自编码网络 1维卷积神经网络 双向门控循环单元 涡扇发动机 智能运维 深度学习

在线阅读 下载PDF 职称材料