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
基于改进的FCNN微机器学习的设备异常检测方法研究
1
作者
吕浩迪
史建业
+1 位作者
徐晟
蓝艇
《机电工程》
北大核心
2025年第10期1888-1897,共10页
针对含有传动机构的家用设备或工业设备,内部传动装置老旧、缺乏润滑等造成设备运行异常,且实时检测的嵌入式设备资源受限(如内存不足等情况),提出了一种基于改进的全连接网络(FCNN)模型的微机器学习的设备异常检测方法。首先,利用传感...
针对含有传动机构的家用设备或工业设备,内部传动装置老旧、缺乏润滑等造成设备运行异常,且实时检测的嵌入式设备资源受限(如内存不足等情况),提出了一种基于改进的全连接网络(FCNN)模型的微机器学习的设备异常检测方法。首先,利用传感器采集设备在运行过程中产生的振动数据,并提取数据的峭度等特征指标;然后,将所提取到的特征指标作为输入特征,传递至全连接网络模型中对其进行训练并优化了模型参数以提升模型性能;最后,根据所训练的改进FCNN模型,对设备进行了异常检测,以提高检测的准确性和可靠性。研究结果表明:以升降桌为实验对象,改进FCNN模型对数据的异常检测准确率达到96.16%,其接收者操作特性(ROC)曲线下的面积达到了0.949,表明其分类性能优异,并且能够较好地识别出各种类型的异常情况;同时,改进后的FCNN模型能更好地适配资源受限的微控制器(MCU),表现出较强的泛化性和鲁棒性。该方法可为资源受限的家用设备或工业设备的异常检测提供一种较为有效的新思路。
展开更多
关键词
机械传动
传动机构
全连接网络
资源受限
特征提取
接收者操作特性
微控制器
在线阅读
下载PDF
职称材料
基于改进CNN-LSTM的综合传动装置异常检测方法
被引量：
6
2
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
职称材料
题名
基于改进的FCNN微机器学习的设备异常检测方法研究
1
作者
吕浩迪
史建业
徐晟
蓝艇
机构
宁波大学信息科学与工程学院
乐歌人体工学科技股份有限公司
出处
《机电工程》
北大核心
2025年第10期1888-1897,共10页
基金
浙江省基础公益研究计划项目(LGF22F020029)
宁波市重点研发计划暨“揭榜挂帅”项目(2023Z067)。
文摘
针对含有传动机构的家用设备或工业设备,内部传动装置老旧、缺乏润滑等造成设备运行异常,且实时检测的嵌入式设备资源受限(如内存不足等情况),提出了一种基于改进的全连接网络(FCNN)模型的微机器学习的设备异常检测方法。首先,利用传感器采集设备在运行过程中产生的振动数据,并提取数据的峭度等特征指标;然后,将所提取到的特征指标作为输入特征,传递至全连接网络模型中对其进行训练并优化了模型参数以提升模型性能;最后,根据所训练的改进FCNN模型,对设备进行了异常检测,以提高检测的准确性和可靠性。研究结果表明:以升降桌为实验对象,改进FCNN模型对数据的异常检测准确率达到96.16%,其接收者操作特性(ROC)曲线下的面积达到了0.949,表明其分类性能优异,并且能够较好地识别出各种类型的异常情况;同时,改进后的FCNN模型能更好地适配资源受限的微控制器(MCU),表现出较强的泛化性和鲁棒性。该方法可为资源受限的家用设备或工业设备的异常检测提供一种较为有效的新思路。
关键词
机械传动
传动机构
全连接网络
资源受限
特征提取
接收者操作特性
微控制器
Keywords
mechanical drive
transmission mechanism
fully connected neural network(FCNN)
resource constraints
feature extraction
receiver operating characteristic(ROC)
micro controller unit(MCU)
分类号
TH132 [机械工程—机械制造及自动化]
TP23 [自动化与计算机技术—检测技术与自动化装置]
在线阅读
下载PDF
职称材料
题名
基于改进CNN-LSTM的综合传动装置异常检测方法
被引量：
6
2
作者
姚海洋
陈涛
贾然
邢培鑫
孙光新
机构
北京信息科技大学现代测控技术教育部重点实验室
北京机械设备研究所总装调试室
出处
《机电工程》
CAS
北大核心
2024年第11期1986-1994,共9页
基金
国家重点基础研究发展计划项目(MKF20210009)。
文摘
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。
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
Keywords
mechanical transmission device
convolutional neural network(CNN)
long short-term memory networks(LSTM)
residual connections
principal component analysis(PCA)
receiver operating characteristic(ROC)
area under curve(AUC)
分类号
TH132 [机械工程—机械制造及自动化]
U463.2 [机械工程—车辆工程]
TJ810.1 [兵器科学与技术—武器系统与运用工程]
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
基于改进的FCNN微机器学习的设备异常检测方法研究
吕浩迪
史建业
徐晟
蓝艇
《机电工程》
北大核心
2025
0
在线阅读
下载PDF
职称材料
2
基于改进CNN-LSTM的综合传动装置异常检测方法
姚海洋
陈涛
贾然
邢培鑫
孙光新
《机电工程》
CAS
北大核心
2024
6
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
