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

基于一维卷积神经网络的轴承故障诊断方法研究 被引量：6

3

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

4

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

5

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

6

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

7

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

8

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

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

9

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

10

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的钢轨波磨迁移诊断方法

11

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

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

12

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1DCNN-GRU的启闭机液压系统故障诊断 被引量：2

13

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

14

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

15

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

在线阅读 下载PDF 职称材料

基于并行1DCNN的滚动轴承故障诊断研究 被引量：18

16

作者 刘伟 单雪垠 +2 位作者 李双喜 张志华 姚思雨 《机电工程》 CAS 北大核心 2021年第12期1572-1578,共7页

滚动轴承是旋转机械中常用的零部件,由于其工作环境恶劣,极易发生故障,为此,提出了一种基于并行1DCNN(one-dimensional convolutional neural network)的滚动轴承故障诊断方法。首先,对滚动轴承振动信号进行了处理,将其分为训练集和测试... 滚动轴承是旋转机械中常用的零部件,由于其工作环境恶劣,极易发生故障,为此,提出了一种基于并行1DCNN(one-dimensional convolutional neural network)的滚动轴承故障诊断方法。首先,对滚动轴承振动信号进行了处理,将其分为训练集和测试集;然后,构建了由两个通道组成的并行1DCNN模型,两通道可以分别获取振动信号的时域信息和频域信息,提取时域信息时使用相对较小的卷积核,而提取频域信息时使用相对较大的卷积核,并使用全局最大池化层替换了传统的全连接层;最后,用训练好的并行1DCNN模型对凯斯西储大学滚动轴承测试集数据进行了处理;同时为了验证并行1DCNN模型的故障诊断效果,将该模型与传统的CNN模型进行了比较。研究结果表明:并行1DCNN模型的故障诊断精度高于0.996,与传统单通道CNN模型相比,并行1DCNN模型可以充分利用所提取的时域和频域特征信息,具有更加出色的故障诊断能力。 展开更多

关键词 滚动轴承 故障诊断 卷积神经网络 1dcnn 深度学习 特征提取

在线阅读 下载PDF 职称材料

基于1DDCNN和PCA信息融合的滚动轴承FLHI智能提取方法 被引量：4

17

作者 罗鹏 胡茑庆 +2 位作者 沈国际 程哲 周子骏 《振动与冲击》 EI CSCD 北大核心 2021年第8期143-149,共7页

滚动轴承故障预测方法的核心在于健康指数(HI)的构建,绝大部分已经提出的HI都是基于专家经验人工构造的,且往往只能适用于部件某一特定退化阶段的趋势分析。为解决上述问题,结合振动信号的一维特性,提出一种基于一维深度卷积神经网络(1D... 滚动轴承故障预测方法的核心在于健康指数(HI)的构建,绝大部分已经提出的HI都是基于专家经验人工构造的,且往往只能适用于部件某一特定退化阶段的趋势分析。为解决上述问题,结合振动信号的一维特性,提出一种基于一维深度卷积神经网络(1DDCNN)结合主成分分析(PCA)的滚动轴承全寿命健康指数(FLHI)智能提取法;利用1DDCNN对原始时域信号自适应提取特征,深度挖掘能够表征研究对象健康状态的退化特征矩阵,而后利用PCA法对提取的特征矩阵进行融合,从而实现研究对象的FLHI智能提取。滚动轴承试验振动信号实测结果表明,相较于传统健康指数,FLHI在趋势性、鲁棒性和单调性方面更具有优势。 展开更多

关键词 一维深度卷积神经网络(1Ddcnn) 主成分分析(PCA) 全寿命健康指数(FLHI) 智能提取

在线阅读 下载PDF 职称材料

结合注意力机制和特征融合1DCNN的脑电情感识别 被引量：2

18

作者 闫超 张雪英 +2 位作者 张静 陈桂军 黄丽霞 《计算机工程与应用》 CSCD 北大核心 2023年第13期171-177,共7页

针对脑电情感识别领域中处理一维数据时将其映射为二维或三维数据,然后利用2DCNN或3DCNN模型进行处理和识别时,存在参数量大且参数寻优方法费时费力的问题,提出一种基于频段和脑区注意力机制的1DCNN模型。对脑电信号提取特征并采用t检... 针对脑电情感识别领域中处理一维数据时将其映射为二维或三维数据,然后利用2DCNN或3DCNN模型进行处理和识别时,存在参数量大且参数寻优方法费时费力的问题,提出一种基于频段和脑区注意力机制的1DCNN模型。对脑电信号提取特征并采用t检验进行最优特征选择;根据提取特征的结构设计了一种新型的1DCNN情感识别模型,为模型的参数选择和卷积操作提供可解释性;最后根据左、右脑区对情感反应能力的不同,提出一种脑区注意力机制,并与频段注意力机制相结合更好地关注与情感相关的脑区与频段。提出的FBA-1DCNN模型在DEAP脑电情感数据库的效价维和唤醒维二分类实验上的平均识别率分别达到了94.01%和93.55%,在效价-唤醒维四分类实验上的平均识别率达到了89.38%,比现有的1DCNN模型分别提升了2.96、3.31和7.69个百分点。 展开更多

关键词 脑电情感识别 T检验 深度学习 一维卷积神经网络(1dcnn) 注意力机制

在线阅读 下载PDF 职称材料

基于改进1DCNN的煤岩识别模型研究 被引量：3

19

作者 尹玉玺 周常飞 +2 位作者 许志鹏 史春祥 胡文渊 《工矿自动化》 CSCD 北大核心 2023年第1期116-122,共7页

随着煤矿智能化建设的加速推进,煤岩高效识别已成为煤炭智能化开采亟待解决的技术难题。针对复杂煤矿地质条件下现有煤岩识别方法精度低、通用性差且难以工程应用等问题,提出了一种基于改进一维卷积神经网络(1DCNN)的煤岩识别模型。以1D... 随着煤矿智能化建设的加速推进,煤岩高效识别已成为煤炭智能化开采亟待解决的技术难题。针对复杂煤矿地质条件下现有煤岩识别方法精度低、通用性差且难以工程应用等问题,提出了一种基于改进一维卷积神经网络(1DCNN)的煤岩识别模型。以1DCNN为基础,使用多个连续卷积层提取一维振动信号特征,通过全局均值池化(GAP)层代替全连接层,以减少模型训练参数,节省计算资源,同时采用带有线性热启动的余弦退火衰减方法优化学习率,以避免模型训练陷入局部极小值区域,提升训练质量。为直观描述改进1DCNN模型对煤岩截割振动数据的特征提取过程和分类能力,采用t-分布随机近邻嵌入(t-SNE)流形学习算法对模型的特征学习过程进行可视化分析,结果表明,改进1DCNN模型通过逐层特征学习,很好地实现了对煤岩截割状态的识别。以陕西某矿MG650/1590-WD型采煤机截割煤岩时的实测振动数据为样本进行模型训练,结果表明,改进1DCNN模型在训练集上的准确率为99.91%,在测试集上的准确率为99.32%,可直接用于采煤机截割煤岩时的原始振动信号分类,并能够有效识别煤岩截割状态。与传统机器学习、集成学习及未改进的1DCNN模型相比,改进1DCNN模型具有明显优势,平均识别准确率达99.56%,同时大大节约了计算成本,提高了模型识别速度。 展开更多

关键词 煤岩识别 卷积神经网络 1dcnn 振动信号 余弦退火 t-分布随机近邻嵌入

在线阅读 下载PDF 职称材料

基于视觉的工人高处攀爬不安全行为识别模型

20

作者 张泽辉 张乾隆 +3 位作者 徐晓滨 赵祖国 王海泉 李昊 《中国安全科学学报》 北大核心 2025年第2期144-151,共8页

为精准识别高处作业人员攀爬过程中出现的不安全行为,提出一种基于视觉的工人高处攀爬不安全行为识别模型,由人体姿态估计算法和一维卷积不安全行为识别算法组成。人体姿态估计研究者采用量子化自编码器对人体关键点进行结构化建模,实... 为精准识别高处作业人员攀爬过程中出现的不安全行为,提出一种基于视觉的工人高处攀爬不安全行为识别模型,由人体姿态估计算法和一维卷积不安全行为识别算法组成。人体姿态估计研究者采用量子化自编码器对人体关键点进行结构化建模,实现人体关键点坐标的检测;结合高处作业安全行为知识,基于一维卷积神经网络(1DCNN)模型构建高处攀爬不安全行为识别算法,并通过实验进行验证。结果表明:该模型在人员无遮挡情况和有部分遮挡情况下,分别达到93.91%和90.34%的精度;与支持向量机(SVM)、K最邻近算法(KNN)相比,该模型具有更强的泛化能力。 展开更多

关键词 计算机视觉 工人高处攀爬 不安全行为 识别模型 一维卷积神经网络(1dcnn) 人体姿态估计

在线阅读 下载PDF 职称材料