期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到9篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于二维卷积神经网络的结构加速度数据异常检测研究
1
作者 麻胜兰 钟建坤 +1 位作者 刘昱昊 郑翔 《建筑科学与工程学报》 北大核心 2025年第1期112-120,共9页
为提高结构加速度数据异常检测的效率和准确率,提出基于二维卷积神经网络(2D-CNN)的结构加速度数据异常检测方法。通过二维桁架数值模型验证了所提方法的有效性,并研究了2D-CNN卷积层数和加速度噪声水平对数据异常检测效果的影响。结果... 为提高结构加速度数据异常检测的效率和准确率,提出基于二维卷积神经网络(2D-CNN)的结构加速度数据异常检测方法。通过二维桁架数值模型验证了所提方法的有效性,并研究了2D-CNN卷积层数和加速度噪声水平对数据异常检测效果的影响。结果表明:提出的结构加速度数据异常检测方法能快速准确区分加速度数据异常类型,异常检测的准确率可达97%以上;对于包含信息复杂、数据规模大的样本,采用4层以上的2D-CNN有助于提高加速度数据异常检测的准确率,采用5层卷积层的2D-CNN对数据异常辨识精度可达98%;当加速度信噪比大于1时,数据异常检测准确率均在90%以上,当加速度信噪比为10时,准确率在97%以上,所提方法具有良好的容噪性和鲁棒性;采用2D-CNN的数据异常检测方法可为传感器网络的有效运行提供技术支持。 展开更多
关键词 结构健康监测 二维卷积神经网络 桁架结构 深度学习 加速度 数据异常检测
在线阅读 下载PDF
融合注意力机制的二维卷积神经网络测井曲线重构方法 被引量：3
2
作者 翟晓岩 高刚 +3 位作者 李勇根 陈冬 桂志先 王之桢 《石油地球物理勘探》 EI CSCD 北大核心 2023年第5期1031-1041,共11页
密度和声波时差测井曲线是沟通地震与岩石物理学的两条重要曲线,也是目前仅有的能够为测井约束地震反演技术提供可靠的全频带地层弹性信息的两条测井曲线。但实际应用中受井壁垮塌、仪器故障等因素的影响,经常会造成密度和声波时差测井... 密度和声波时差测井曲线是沟通地震与岩石物理学的两条重要曲线,也是目前仅有的能够为测井约束地震反演技术提供可靠的全频带地层弹性信息的两条测井曲线。但实际应用中受井壁垮塌、仪器故障等因素的影响,经常会造成密度和声波时差测井数据失真或缺失,且现有的经验模型法、多元拟合法、岩石物理建模法不但存在着重构目标曲线精度低,而且较难处理两条曲线同时重构的问题。为此,提出了将注意力机制融合到二维卷积神经网络中,以强化深度学习网络捕捉测井曲线自相关和互相关特征信息的能力,提升深度学习网络重构声波和密度测井曲线的精度。以准噶尔盆地超深层致密砂岩为研究对象,首先分析了测井曲线自相关和互相关特征与注意力层权重分布规律的关系;然后分析对比了所提网络与门控循环单元、二维卷积神经网络的预测精度,并对所提网络结构参数进行了优化;最后通过合成地震记录验证了目标曲线校正和缺失重构效果,表明所提网络具有较高的预测精度。 展开更多
关键词 曲线重构 注意力机制 二维卷积神经网络 深度学习 声波测井 密度测井
在线阅读 下载PDF
一种基于二维卷积神经网络的舵机故障检测方法 被引量：5
3
作者 邹倩倩 杨瑞峰 郭晨霞 《航天控制》 CSCD 北大核心 2022年第6期80-85,共6页
针对卷积神经网络对一维舵机数据特征提取不充分,本文提出将一维数据升级为二维数据,采用二维卷积神经网络对舵机故障进行智能检测。首先将一维数据首尾对称排列组成矩阵形式的二维数据,拓宽感受野,增加数据量,打破了空间局限性,避免了... 针对卷积神经网络对一维舵机数据特征提取不充分,本文提出将一维数据升级为二维数据,采用二维卷积神经网络对舵机故障进行智能检测。首先将一维数据首尾对称排列组成矩阵形式的二维数据,拓宽感受野,增加数据量,打破了空间局限性,避免了数据特征提取不充分,使特征提取具有全局性;其次构建了局部特征学习模块,该模块包含一个卷积层,一个Batch Normalization(BN)层,和一个ReLU激活函数,用于学习数据相关性。最后利用该模型实现对舵机数据的处理,从而实现舵机的智能故障检测。实验结果表明,该模型的准确度高达99.53%,效果优于其他的常用模型,证明了二维卷积神经网络应用于舵机故障检测的可行性。 展开更多
关键词 舵机 故障诊断 二维卷积神经网络 特征提取
在线阅读 下载PDF
卷积神经网络在死亡率中的应用
4
作者 张倩 《长江信息通信》 2023年第5期68-69,108,共3页
我国人口老龄化程度不断加深,长寿风险加大了养老体系的偿付压力,使我国经济发展面临危机和挑战。在寿险精算实务中,精准的预测死亡率可以降低不确定性风险给企业带来的潜在危害,是有效管理和量化长寿风险的关键。基于二维卷积神经网络... 我国人口老龄化程度不断加深,长寿风险加大了养老体系的偿付压力,使我国经济发展面临危机和挑战。在寿险精算实务中,精准的预测死亡率可以降低不确定性风险给企业带来的潜在危害,是有效管理和量化长寿风险的关键。基于二维卷积神经网络的死亡率预测模型,可以发现死亡率数据之间潜在的非线性的结构,同时相较于其他神经网络模型其参数数量大大减少,可以在一定程度上避免出现过拟合。 展开更多
关键词 长寿风险 死亡率预测 二维卷积神经网络
在线阅读 下载PDF
基于样本扩充的二维卷积网络轴承故障诊断
5
作者 李敏 王瑞东 王永强 《信息技术与信息化》 2022年第12期178-181,共4页
滚动轴承在电机和齿轮之间起着重要的连接作用。为了滚动轴承故障诊断的有效性和在故障条件下样本数少的复杂运行环境下得到更高的故障诊断精度,提出了采用深度卷积生成对抗网络(deep convolutional generative adversarial,DCGAN)来解... 滚动轴承在电机和齿轮之间起着重要的连接作用。为了滚动轴承故障诊断的有效性和在故障条件下样本数少的复杂运行环境下得到更高的故障诊断精度,提出了采用深度卷积生成对抗网络(deep convolutional generative adversarial,DCGAN)来解决故障数据生成问题,二维卷积神经网络(convolutional neural network,CNN)用于故障分类的诊断方法。首先,提出了基于现有数据的DCGAN生成更多故障数据。将一维数据转换成二维灰度图,再利用卷积生成对抗网络对二维图片进行样本扩充,该DCGAN网络有性能良好的生成能力。然后结合通过卷积神经网络提取图像的空间特征,将图片输入到卷积神经网络用于故障分类。文中将该二维卷积模型与传统卷积神经网络模型进行了对比。结果表明,相较于传统卷积神经网络,该方法在故障的辨识准确性和判别的即时性上都有一定水平程度的提高。 展开更多
关键词 深度卷积生成对抗网络 二维卷积神经网络 故障诊断
在线阅读 下载PDF
基于GADF-CWT-GCNN的滚动轴承故障诊断方法研究
6
作者 张小丽 罗鑫 +2 位作者 李敏 梁旺 王芳珍 《西北工业大学学报》 EI CAS CSCD 北大核心 2024年第5期866-874,共9页
针对滚动轴承故障诊断在小样本环境下引起的模型泛化能力差、诊断精度低的问题,提出一种基于格拉姆角分场(GADF)和连续小波变化(continuous wavelet transform,CWT)与并行二维组归一化卷积神经网络(parallel convolutional neural netwo... 针对滚动轴承故障诊断在小样本环境下引起的模型泛化能力差、诊断精度低的问题,提出一种基于格拉姆角分场(GADF)和连续小波变化(continuous wavelet transform,CWT)与并行二维组归一化卷积神经网络(parallel convolutional neural network,P2D-GCNN)的滚动轴承故障诊断方法。对采集的数据进行预处理,采用格拉姆角场和连续小波变换将一维振动信号转换成二维图像作为模型输入,再选用数据增强技术扩充样本子图,满足网络输入要求,并将其导入搭建的组归一化卷积神经网络中进行诊断检测。结果表明:文中数据处理方法与搭建模型在小样本环境下泛化能力远高于SVM和1D-CNN等其他网络模型。为进一步验证模型在小样本数据下的识别能力,取数据集的70%,40%和20%样本量进行多次实验,所对应的训练准确率及测试准确率分为99.38%,99.02%,99.47%,98.29%,99.05%,97.08%。结果证明,文中模型在小样本环境下对轴承故障诊断具有很高的准确率。 展开更多
关键词 滚动轴承 故障诊断 格拉姆角分场(GADF) 小波变换(CWT) 并行二维卷积神经网络(P2D-GCNN)
在线阅读 下载PDF
STFT结合2D CNN-SVM的齿轮箱故障诊断方法 被引量：1
7
作者 谢锋云 汪淦 +3 位作者 王玲岚 李刚 朱海燕 谢三毛 《噪声与振动控制》 CSCD 北大核心 2024年第4期103-109,共7页
为提高齿轮箱故障诊断的有效性和故障识别的准确率,提出一种基于短时傅里叶变换(Short-term Fourier transform,STFT)、二维卷积神经网络(Two-dimensional Convolutional Neural Network,2D CNN)和支持向量机(Support Vector Machine,S... 为提高齿轮箱故障诊断的有效性和故障识别的准确率,提出一种基于短时傅里叶变换(Short-term Fourier transform,STFT)、二维卷积神经网络(Two-dimensional Convolutional Neural Network,2D CNN)和支持向量机(Support Vector Machine,SVM)相结合的齿轮箱故障识别方法。搭建JZQ250型定轴齿轮箱实验平台,利用加速度传感器获得齿轮箱振动信号,并对振动信号进行短时傅里叶变换得到二维时频图,然后将时频图输入到2D CNN中进行特征信息提取,通过2D CNN前向传播和反向传播对不同类别故障时频图信息进行训练,建立不同类别特征之间更深层次的联系,通过训练集和验证集loss曲线、准确率曲线和t-SNE可视化(t-Distributed Stochastic Neighbor Embedding,t-SNE)多种方法来反映模型训练程度,最后由SVM对故障类型进行识别。通过将所提出的方法与FFT-2D CNN、1D CNN-SVM和2D CNN-SVM对齿轮箱故障识别结果进行对比,本方法故障识别准确率最高,达到97.94%,且提出的方法具有很好的鲁棒性。 展开更多
关键词 故障诊断 齿轮箱 短时傅里叶变换 二维卷积神经网络 支持向量机
在线阅读 下载PDF
一种基于2D-CNN深度学习的钻井事故等级预测新方法 被引量：4
8
作者 赵春兰 屈瑶 +4 位作者 王兵 范翔宇 赵鹏斐 李屹 何婷 《天然气工业》 EI CAS CSCD 北大核心 2022年第12期95-105,共11页
鉴于钻井安全事故分级风险评价过程中,存在安全事故风险指标较少且多为2分类预测的实际问题。为此,在利用模糊C均值算法确定钻井事故等级的分类的基础上,根据信息增益值对多维事故风险指标进行一次降维;进而将降维后的风险指标作为模型... 鉴于钻井安全事故分级风险评价过程中,存在安全事故风险指标较少且多为2分类预测的实际问题。为此,在利用模糊C均值算法确定钻井事故等级的分类的基础上,根据信息增益值对多维事故风险指标进行一次降维;进而将降维后的风险指标作为模型输入,由卷积层提取事故特征,池化层进行二次降维,构建双层2D-CNN的事故等级预测模型,最后通过激活函数(Softmax)判断钻井事故等级,提出一种基于二维卷积神经网络(2D-CNN)的钻井事故等级预测的新方法。研究结果表明:①较之于其他方法,新方法经过两次降维将多维钻井事故指标由73维降低至4维,降低模型计算复杂度;②不同于钻井事故发生与否的二分类问题,根据事故的严重程度划分成四种事故等级,以实现多分类预测;③现场应用效果表明,新方法的准确率为91.7%,损失值为0.409,预测效果优于BP神经网络模型和1D-CNN模型。结论认为,新方法能较好地将现场作业数据用于钻井事故等级的预测,对于钻井事故风险分级评价具有广泛应用和推广价值。 展开更多
关键词 多维钻井事故 事故等级 多分类预测 深度学习 二维卷积神经网络 模糊C均值算法 信息增益
在线阅读 下载PDF
基于胸腔信号样本的FMCW雷达身份验证 被引量：1
9
作者 漆晶 汪正东 谢广智 《雷达科学与技术》 北大核心 2023年第5期539-546,554,共9页
针对当前使用体征信号进行身份验证准确率低,且特征提取过程复杂的问题,本文在通过毫米波雷达检测生命体征的基础上,提出了一种将纯净的人体胸腔信号(Chest Cavity Signal,CCS)作为样本进行身份验证的方法。首先,对提取到的雷达原始信... 针对当前使用体征信号进行身份验证准确率低,且特征提取过程复杂的问题,本文在通过毫米波雷达检测生命体征的基础上,提出了一种将纯净的人体胸腔信号(Chest Cavity Signal,CCS)作为样本进行身份验证的方法。首先,对提取到的雷达原始信号进行预处理,消除与实验无关的冗余干扰并提取相位信号。接着对含有干扰的相位信号进行变分模态分解(VMD),提取纯净的心跳与呼吸信号并制作CCS样本。最后将CCS样本送入二维卷积神经网络(2D CNN)中进行训练并验证身份,识别准确率达到了97.5%,实验证明本文提出的方法对于身份验证具有很好的效果。 展开更多
关键词 毫米波雷达 身份验证 变分模态分解 二维卷积神经网络 胸腔信号
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
关于我们 | 版权声明 | 联系我们 | 帮助中心| 意见反馈
主办单位：上海市教育委员会
技术支持：重庆维普资讯有限公司
渝公网安备 50019002500403号
使用帮助 返回顶部