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1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：
基于改进CNN-LSTM的综合传动装置异常检测方法 被引量：3
1
作者 姚海洋 陈涛 +2 位作者 贾然 邢培鑫 孙光新 《机电工程》 CAS 北大核心 2024年第11期1986-1994,共9页
针对履带装甲车辆工作环境恶劣、工况复杂多变,导致综合传动装置数据异常、检测困难等问题,提出了一种基于改进的卷积神经网络(CNN)与长短期记忆网络(LSTM)复合模型的异常检测方法。首先,使用主成分分析法(PCA)和滑动窗口对综合传动监... 针对履带装甲车辆工作环境恶劣、工况复杂多变,导致综合传动装置数据异常、检测困难等问题,提出了一种基于改进的卷积神经网络(CNN)与长短期记忆网络(LSTM)复合模型的异常检测方法。首先,使用主成分分析法(PCA)和滑动窗口对综合传动监测数据进行了降维和序列划分,提升了异常检测所用的数据质量;然后,使用改进型CNN-LSTM提取了序列数据中的空间特征,利用全连接层输出了数据类别,该方法将CNN和LSTM并联,并引入了残差连接结构,以提高网络对综合传动数据的学习能力;最后,搭建了综合传动装置的异常检测实验台,布置了多种传感器采集综合传动装置的状态数据,并对改进CNN-LSTM方法的有效性进行了验证。研究结果表明:采用残差连接结构改进的并联型CNN-LSTM复合模型,在综合传动系统漏油实验数据的测试集上的异常检测准确率达到了92.7%,并且其接收者操作特性(ROC)曲线下的面积(AUC)达到了0.982,相比于传统CNN-LSTM提升了0.034。改进CNN-LSTM模型具有较强的鲁棒性和泛化能力,能够为综合传动装置的数据异常检测提供一种较为可行的新方法。 展开更多
关键词 机械传动装置 卷积神经网络 长短时记忆网络 残差连接 主成分分析法 接收者操作特性 曲线下的面积
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