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
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：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
融合EEMD和多通道dTCN-LSTM的车辆载重状态识别模型
1
作者
徐慧琳
孙子文
《小型微型计算机系统》
北大核心
2025年第5期1112-1119,共8页
为精确识别后装车载重状态,研究集成经验模态分解(EEMD)和多通道双重膨胀因果卷积(dTCN)-长短期记忆神经网络(LSTM)融合的识别模型.利用滑动窗口截取载重时序特征向量构建特征向量矩阵,通过EEMD将特征向量矩阵分解为多个子分量矩阵并筛...
为精确识别后装车载重状态,研究集成经验模态分解(EEMD)和多通道双重膨胀因果卷积(dTCN)-长短期记忆神经网络(LSTM)融合的识别模型.利用滑动窗口截取载重时序特征向量构建特征向量矩阵,通过EEMD将特征向量矩阵分解为多个子分量矩阵并筛选不含噪声的子分量矩阵,降低时序数据噪声;由不同深度dTCN堆叠而成的多通道提取不同子分量矩阵的局部特征,各通道提取的局部特征相加送入LSTM中提取全局特征形成特征向量;最后由全连接网络将特征向量识别为装载、卸载、运行3种运行状态.采集真实车辆运行数据作为实验数据集,实验结果表明,与支持向量机(SVM)、卷积神经网络(CNN)、LSTM、CNN-LSTM、EMD-CNN-GRU、VMD-TCN-LSTM模型相比,识别准确率分别提高6.82%、5.66%、3.94%、3.21%、3.52%.
展开更多
关键词
集成经验模态分解
多通道
双重膨胀因果卷积
长短期记忆神经网络
载重状态识别
在线阅读
下载PDF
职称材料
题名
融合EEMD和多通道dTCN-LSTM的车辆载重状态识别模型
1
作者
徐慧琳
孙子文
机构
江南大学物联网工程学院
出处
《小型微型计算机系统》
北大核心
2025年第5期1112-1119,共8页
基金
国家自然科学基金项目(62173160)资助。
文摘
为精确识别后装车载重状态,研究集成经验模态分解(EEMD)和多通道双重膨胀因果卷积(dTCN)-长短期记忆神经网络(LSTM)融合的识别模型.利用滑动窗口截取载重时序特征向量构建特征向量矩阵,通过EEMD将特征向量矩阵分解为多个子分量矩阵并筛选不含噪声的子分量矩阵,降低时序数据噪声;由不同深度dTCN堆叠而成的多通道提取不同子分量矩阵的局部特征,各通道提取的局部特征相加送入LSTM中提取全局特征形成特征向量;最后由全连接网络将特征向量识别为装载、卸载、运行3种运行状态.采集真实车辆运行数据作为实验数据集,实验结果表明,与支持向量机(SVM)、卷积神经网络(CNN)、LSTM、CNN-LSTM、EMD-CNN-GRU、VMD-TCN-LSTM模型相比,识别准确率分别提高6.82%、5.66%、3.94%、3.21%、3.52%.
关键词
集成经验模态分解
多通道
双重膨胀因果卷积
长短期记忆神经网络
载重状态识别
Keywords
empirical mode decomposition
multichannel
dual temporal convolutional network
LSTM
load status recognition
分类号
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
作者
出处
发文年
被引量
操作
1
融合EEMD和多通道dTCN-LSTM的车辆载重状态识别模型
徐慧琳
孙子文
《小型微型计算机系统》
北大核心
2025
0
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
