期刊导航
期刊开放获取
上海教育软件发展有限公..
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
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
检索
高级检索
期刊导航
共找到
2
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：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
sEMG多特征融合的自适应神经网络下肢运动意图识别研究
被引量：
2
1
作者
刘瑞恒
张峻霞
钱芊橙
《现代电子技术》
2022年第7期33-40,共8页
针对表面肌电信号单一特征进行动作意图识别准确率低的问题,提出一种利用表面肌电信号多特征融合的动态自适应神经网络算法,实现8种下肢运动意图的准确识别。采集8种下肢动作的表面肌电信号,利用小波基函数对原始信号进行降噪处理,提取...
针对表面肌电信号单一特征进行动作意图识别准确率低的问题,提出一种利用表面肌电信号多特征融合的动态自适应神经网络算法,实现8种下肢运动意图的准确识别。采集8种下肢动作的表面肌电信号,利用小波基函数对原始信号进行降噪处理,提取时域、小波变换和样本熵的原始特征参数。对原始特征进行主成分分析,降低特征维度,使用改进的差分进化算法优化各个特征的权重值;针对传统BP神经网络梯度下降法收敛速度慢的问题,使用动态自适应学习率的神经网络算法代替传统BP神经网络识别方法,既提升了模型的收敛速度,又提高了运动意图识别的准确率。实验结果表明,采用多特征融合的自适应神经网络模型识别8种下肢运动意图,平均识别准确率达到94.89%,比单特征的BP神经网络方法识别准确率提高10%以上,动作的识别时间只需要280 ms。该方法在300 ms内可实现对下肢动作的识别,能够达到运动意图识别的要求。
展开更多
关键词
下肢运动意图识别
多特征融合
动态自适应神经网络
特征提取
下肢表面肌电信号
差分进化算法
小波分析
主成分分析
在线阅读
下载PDF
职称材料
基于多通道融合多尺度自适应残差学习的行星齿轮箱故障诊断研究
被引量：
2
2
作者
陈奇
陈长征
安文杰
《机电工程》
CAS
北大核心
2023年第7期1031-1038,共8页
针对风电机组行星齿轮箱振动激励源多、故障诊断精度低的问题,提出了一种基于多通道融合多尺度动态自适应残差学习(MC-MSDARL)的行星齿轮箱故障诊断方法。首先,采用多尺度动态自适应卷积神经网络(MSDAC)对不同尺度卷积核权重进行了动态...
针对风电机组行星齿轮箱振动激励源多、故障诊断精度低的问题,提出了一种基于多通道融合多尺度动态自适应残差学习(MC-MSDARL)的行星齿轮箱故障诊断方法。首先,采用多尺度动态自适应卷积神经网络(MSDAC)对不同尺度卷积核权重进行了动态调整,自适应提取了单通道数据的局部和全局特征;其次,通过将MSDAC与残差学习结合,提升了模型的学习能力;最后,采用MC-MSDAR将多通道数据的多尺度特征进行了融合,输入到SoftMax层,实现了故障识别与分类。研究结果表明:基于MC-MSDAR的方法进行行星齿轮箱故障诊断的准确率为97%,验证了该方法的有效性;通过与其他深度学习方法进行对比,该方法具有更好的泛化能力。
展开更多
关键词
故障诊断
风电机组
行星齿轮箱
残差学习
多尺度学习
多尺度
动态自
适应
卷积
神经网络
在线阅读
下载PDF
职称材料
题名
sEMG多特征融合的自适应神经网络下肢运动意图识别研究
被引量：
2
1
作者
刘瑞恒
张峻霞
钱芊橙
机构
天津科技大学机械工程学院
天津市轻工与食品工程机械装备集成设计与在线监控重点实验室
出处
《现代电子技术》
2022年第7期33-40,共8页
基金
2019天津市研究生科研创新项目(2019YJSB014)
天津市科技支撑计划资助项目(14ZCZDSY00010)。
文摘
针对表面肌电信号单一特征进行动作意图识别准确率低的问题,提出一种利用表面肌电信号多特征融合的动态自适应神经网络算法,实现8种下肢运动意图的准确识别。采集8种下肢动作的表面肌电信号,利用小波基函数对原始信号进行降噪处理,提取时域、小波变换和样本熵的原始特征参数。对原始特征进行主成分分析,降低特征维度,使用改进的差分进化算法优化各个特征的权重值;针对传统BP神经网络梯度下降法收敛速度慢的问题,使用动态自适应学习率的神经网络算法代替传统BP神经网络识别方法,既提升了模型的收敛速度,又提高了运动意图识别的准确率。实验结果表明,采用多特征融合的自适应神经网络模型识别8种下肢运动意图,平均识别准确率达到94.89%,比单特征的BP神经网络方法识别准确率提高10%以上,动作的识别时间只需要280 ms。该方法在300 ms内可实现对下肢动作的识别,能够达到运动意图识别的要求。
关键词
下肢运动意图识别
多特征融合
动态自适应神经网络
特征提取
下肢表面肌电信号
差分进化算法
小波分析
主成分分析
Keywords
lower limb motion intention recognition
multi-feature fusion
dynamic adaptive neural network
feature extraction
lower limb sEMG signal
DE algorithm
wavelet analysis
PCA
分类号
TN911.73-34 [电子电信—通信与信息系统]
TP391 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
基于多通道融合多尺度自适应残差学习的行星齿轮箱故障诊断研究
被引量：
2
2
作者
陈奇
陈长征
安文杰
机构
沈阳工业大学机械工程学院
出处
《机电工程》
CAS
北大核心
2023年第7期1031-1038,共8页
基金
国家自然科学基金资助项目(51575361)。
文摘
针对风电机组行星齿轮箱振动激励源多、故障诊断精度低的问题,提出了一种基于多通道融合多尺度动态自适应残差学习(MC-MSDARL)的行星齿轮箱故障诊断方法。首先,采用多尺度动态自适应卷积神经网络(MSDAC)对不同尺度卷积核权重进行了动态调整,自适应提取了单通道数据的局部和全局特征;其次,通过将MSDAC与残差学习结合,提升了模型的学习能力;最后,采用MC-MSDAR将多通道数据的多尺度特征进行了融合,输入到SoftMax层,实现了故障识别与分类。研究结果表明:基于MC-MSDAR的方法进行行星齿轮箱故障诊断的准确率为97%,验证了该方法的有效性;通过与其他深度学习方法进行对比,该方法具有更好的泛化能力。
关键词
故障诊断
风电机组
行星齿轮箱
残差学习
多尺度学习
多尺度
动态自
适应
卷积
神经网络
Keywords
fault diagnosis
wind turbine
planetary gearbox
residual learning
multi-scale learning
multi-scale dynamic adaptive convolution neural networks(MSDAC)
分类号
TH132.41 [机械工程—机械制造及自动化]
TM315 [电气工程—电机]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
sEMG多特征融合的自适应神经网络下肢运动意图识别研究
刘瑞恒
张峻霞
钱芊橙
《现代电子技术》
2022
2
在线阅读
下载PDF
职称材料
2
基于多通道融合多尺度自适应残差学习的行星齿轮箱故障诊断研究
陈奇
陈长征
安文杰
《机电工程》
CAS
北大核心
2023
2
在线阅读
下载PDF
职称材料
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
确定
用户登录
登录
IP登录
使用帮助
返回顶部
