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371篇文章
< 1 2 … 19 >
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1DCNN特征提取和RF分类的滚动轴承故障诊断
1
作者 张豪 刘其洪 +1 位作者 李伟光 李漾 《中国测试》 北大核心 2025年第4期137-143,共7页
针对深度学习技术在滚动轴承故障诊断识别中依赖于大量测量数据,相对较少的数据可能会导致过度拟合并降低模型的稳定性等问题,提出一种一维卷积神经网络(1DCNN)和随机森林(RF)相结合的轴承故障诊断模型。将原始时域信号输入搭建的1DCNN... 针对深度学习技术在滚动轴承故障诊断识别中依赖于大量测量数据,相对较少的数据可能会导致过度拟合并降低模型的稳定性等问题,提出一种一维卷积神经网络(1DCNN)和随机森林(RF)相结合的轴承故障诊断模型。将原始时域信号输入搭建的1DCNN网络中,提取原始数据特征向量,对特征向量进行t-SNE降维可视化,验证1DCNN特征提取的有效性。将特征向量输入随机森林实现故障状态识别,解决小样本的滚动轴承故障分类问题。在CWRU数据集和Paderborn数据集上进行实验,针对不同类型、不同损伤程度的轴承,得到分类结果准确率分别达到99.69%和99.16%。与传统的神经网络和机器学习分类模型相比,1DCNN-RF模型具有更高的诊断准确率,可验证所提模型的泛化性和有效性。 展开更多
关键词 滚动轴承 故障诊断 一维卷积神经网络 随机森林
在线阅读 下载PDF
基于高光谱成像和MSC1DCNN的大豆种子热损伤无损检测
2
作者 谭克竹 孙伟奇 +3 位作者 卓宗慧 李凯诺 张喜海 闫超 《光谱学与光谱分析》 北大核心 2025年第10期2897-2905,共9页
大豆种子由于存储和运输不当,容易产生热损伤问题。热损伤会影响种子的种质质量和发芽率,因此准确地检测热损伤大豆种子对于提高种子品质和农业生产具有重要意义。本文提出了一种基于高光谱成像和多尺度跨通道一维卷积神经网络(MSC1DCNN... 大豆种子由于存储和运输不当,容易产生热损伤问题。热损伤会影响种子的种质质量和发芽率,因此准确地检测热损伤大豆种子对于提高种子品质和农业生产具有重要意义。本文提出了一种基于高光谱成像和多尺度跨通道一维卷积神经网络(MSC1DCNN)的大豆种子热损伤无损检测方法。首先,通过高光谱成像系统获取大豆种子在400~1000 nm波段的光谱数据,并对比分析不同热损伤大豆种子(正常、轻微热损伤、严重热损伤)的光谱曲线特点。发现在420~500 nm蓝光区域和750~1000 nm近红外区域,光谱反射率随着热损伤程度的加深逐渐增大。这些变化为后续的热损伤检测提供了有效的光谱特征依据。其次,采用MSC1DCNN模型进行分类,该模型在测试集上的准确率、召回率和F1分数均达到99.07%,优于支持向量机(SVC)(F1分数为88.32%)、k-近邻算法(KNN)(F1分数为84.39%)及一维卷积神经网络(1D CNN)(F1分数为92.90%)。特别地,MSC1DCNN模型在鉴别轻微热损伤与正常大豆种子时误判率为1.39%,显著低于SVC(12.04%)、KNN(15.74%)和1D CNN(9.72%)模型。最后,还通过发芽试验验证了热损伤对大豆种子发芽率的影响。实验结果表明,热损伤显著降低了大豆种子的发芽率,进一步证实了热损伤对大豆生长的潜在危害。综上所述,本研究提出的MSC1DCNN模型为热损伤大豆种子的无损检测提供了一种有效解决方案,对种质质量检测和自动化筛选工作提供了新的思路。 展开更多
关键词 大豆种子 高光谱 热损伤 一维卷积
在线阅读 下载PDF
基于Attention-1DCNN-CE的加密流量分类方法
3
作者 耿海军 董赟 +3 位作者 胡治国 池浩田 杨静 尹霞 《计算机应用》 北大核心 2025年第3期872-882,共11页
针对传统加密流量识别方法存在多分类准确率低、泛化性不强以及易侵犯隐私等问题,提出一种结合注意力机制(Attention)与一维卷积神经网络(1DCNN)的多分类深度学习模型——Attention-1DCNN-CE。该模型包含3个核心部分:1)数据集预处理阶段... 针对传统加密流量识别方法存在多分类准确率低、泛化性不强以及易侵犯隐私等问题,提出一种结合注意力机制(Attention)与一维卷积神经网络(1DCNN)的多分类深度学习模型——Attention-1DCNN-CE。该模型包含3个核心部分:1)数据集预处理阶段,保留原始数据流中数据包间的空间关系,并根据样本分布构建成本敏感矩阵;2)在初步提取加密流量特征的基础上,利用Attention和1DCNN模型深入挖掘并压缩流量的全局与局部特征;3)针对数据不平衡这一挑战,通过结合成本敏感矩阵与交叉熵(CE)损失函数,显著提升少数类别样本的分类精度,进而优化模型的整体性能。实验结果表明,在BOT-IOT和TON-IOT数据集上该模型的整体识别准确率高达97%以上;并且该模型在公共数据集ISCX-VPN和USTC-TFC上表现优异,在不需要预训练的前提下,达到了与ET-BERT(Encrypted Traffic BERT)相近的性能;相较于PERT(Payload Encoding Representation from Transformer),该模型在ISCX-VPN数据集的应用类型检测中的F1分数提升了29.9个百分点。以上验证了该模型的有效性,为加密流量识别和恶意流量检测提供了解决方案。 展开更多
关键词 网络安全 加密流量 注意力机制 一维卷积神经网络 数据不平衡 成本敏感矩阵
在线阅读 下载PDF
波长注意力1DCNN近红外光谱定量分析算法研究
4
作者 陈蓓 蒋思远 郑恩让 《光谱学与光谱分析》 北大核心 2025年第6期1598-1604,共7页
近红外光谱(NIRS)技术因其快速、无损和高效的特点,广泛应用于石油、纺织、食品、制药等领域。然而传统的分析方法在处理变量多、冗余大的光谱数据时,往往存在特征提取困难和建模精度不高等问题。因此提出一种适用于近红外光谱且无需变... 近红外光谱(NIRS)技术因其快速、无损和高效的特点,广泛应用于石油、纺织、食品、制药等领域。然而传统的分析方法在处理变量多、冗余大的光谱数据时,往往存在特征提取困难和建模精度不高等问题。因此提出一种适用于近红外光谱且无需变量筛选的一维波长注意力卷积神经网络(WA-1DCNN)定量建模方法,该建模方法结构简单、通用性强、准确率高。该研究引入波长注意力机制,通过赋予不同波长数据不同的权重,增强模型对重要波长特征的捕捉能力,从而提高定量分析的准确性和鲁棒性。为了验证所提出方法的可行性,采用了公开的4种近红外光谱数据集,将所提出的算法与加入波长筛选偏最小二乘法(PLS)、支持向量回归(SVR)、极限学习机(ELM)三种传统建模方法和一维卷积神经网络(1DCNN)建模方法进行了对比,并通过模型性能指标均方根误差(RMSE)和决定系数(R^(2))对模型性能评估。结果表明没有使用波长筛选算法的WA-1DCNN建模方法性能指标均优于加入波长筛选算法的传统建模方法和1DCNN建模方法。其中在655药片数据集中测试集决定系数为0.9563,相比于1DCNN和加入波长筛选的PLS、SVR、ELM提升了4.34%、12.56%、18.42%、11.59%;在310药片数据集中测试集决定系数为0.9574,相比于1DCNN和加入波长筛选的PLS、SVR、ELM、1DCNN提升了2.72%、8.28%、7.27%、1.17%;在玉米水分和蛋白质数据集中测试集决定系数分别为0.9803和0.9685,相比于1DCNN和加入波长筛选的PLS、SVR、ELM提升了6.24%、1.48%、1.75%、6.08%和5.81%、1.85%、1.58%、2.96%;在小麦蛋白质数据集中测试集决定系数为0.9600,相比于DCNN和加入波长筛选的PLS、SVR、ELM提升了8.67%、5.79%、7.94%、0.56%。为了验证WA-1DCNN模型结构的最佳性,在4种近红外光谱数据集上进行了改变WA-1DCNN模型结构的消融实验。研究结果表明:基于波长注意力卷积神经网络是一种结构简单、通用性强、准确率高的光谱定量分析方法,该方法对于近红外光谱定量分析具有促进作用。 展开更多
关键词 近红外光谱 定量分析 波长注意力机制 一维卷积神经网络
在线阅读 下载PDF
基于1DCNN-IWOA-SVM的齿轮箱故障诊断方法研究
5
作者 贾丽臻 雷欣然 李耀华 《机械设计》 北大核心 2025年第7期98-106,共9页
齿轮箱作为航空发动机重要的传动装置,工作环境恶劣,导致振动信号呈多种信息叠加难以区分。针对齿轮箱故障特征难以提取、故障难以识别的问题,提出一种基于一维卷积神经网络结合改进鲸鱼优化支持向量机的航空发动机齿轮箱故障诊断方法,... 齿轮箱作为航空发动机重要的传动装置,工作环境恶劣,导致振动信号呈多种信息叠加难以区分。针对齿轮箱故障特征难以提取、故障难以识别的问题,提出一种基于一维卷积神经网络结合改进鲸鱼优化支持向量机的航空发动机齿轮箱故障诊断方法,实现航空发动机齿轮箱故障快速、精准诊断。使用一维卷积神经通过其内置的卷积和池化对振动信号进行故障特征提取,在鲸鱼优化算法中引入混沌映射、非线性因子和自适应权重对其进行改进;使用改进后的鲸鱼优化算法对支持向量机进行参数寻优,再将一维卷积神经网络提取的故障特征输入到经改进鲸鱼优化参数后的支持向量机中进行故障诊断。仿真结果表明:所提的故障诊断模型对齿轮箱故障具有良好的诊断效果,与其他方法相比效果更好、泛化能力更强。 展开更多
关键词 齿轮箱 故障诊断 一维卷积神经网络 改进鲸鱼优化算法 支持向量机
在线阅读 下载PDF
基于多小波基DWT分解的1DCNN-KAN-EA机械损伤识别方法
6
作者 王雷 付海朋 《机电工程》 北大核心 2025年第9期1707-1715,1829,共10页
针对传统机械损伤识别方法处理复杂振动信号时,特征表达能力不足、识别准确率低的问题,提出了一种基于多小波基离散小波变换(DWT)分解,并结合了一维卷积神经网络(1DCNN)、Kolmogorov-Arnold网络(KAN)和外部注意力(EA)机制的机械损伤识... 针对传统机械损伤识别方法处理复杂振动信号时,特征表达能力不足、识别准确率低的问题,提出了一种基于多小波基离散小波变换(DWT)分解,并结合了一维卷积神经网络(1DCNN)、Kolmogorov-Arnold网络(KAN)和外部注意力(EA)机制的机械损伤识别方法。首先,采用多小波基DWT分解对振动信号进行了多样性描述,并以分解得到的小波系数集合构建特征向量作为1DCNN的输入,以提取深层次故障特征;然后,构建了KAN线性层取代全连接层,进行了损伤特征识别,克服了传统多层感知机(MLP)结构在节点采用固定激活函数和线性权重的固有局限性,增强了模型对复杂损伤特征的表达能力;接着,引入EA捕捉了不同样本之间的潜在关联,提高了模型对全局上下文信息的捕捉能力;最后,在包含5类不同损伤状态的机翼大梁数据集上进行了实验研究。研究结果表明:基于多小波基DWT分解的1DCNN-KAN-EA模型平均准确率高达99.41%,相比于1DCNN、KAN分别提高了1.56%、2.54%。对比其他模型,基于多小波基DWT分解的1DCNN-KAN-EA模型在准确识别损伤特征方面具有优越性,各项指标得到明显提升,其效果优于只基于单一小波基DWT分解下的模型。 展开更多
关键词 机械运行与维修 离散小波变换 一维卷积神经网络 Kolmogorov-Arnold网络 外部注意力机制 多层感知机
在线阅读 下载PDF
基于LSTM与1DCNN的导弹轨迹预测方法 被引量：16
7
作者 宋波涛 许广亮 《系统工程与电子技术》 EI CSCD 北大核心 2023年第2期504-512,共9页
针对弹道导弹等超远程攻击目标的轨迹难以预测的问题,提出一种基于长短期记忆(long short-term memory,LSTM)网络与一维卷积神经网络(1-dimensional convolutional neural network,1DCNN)的目标轨迹预测方法。首先,建立三自由度导弹运... 针对弹道导弹等超远程攻击目标的轨迹难以预测的问题,提出一种基于长短期记忆(long short-term memory,LSTM)网络与一维卷积神经网络(1-dimensional convolutional neural network,1DCNN)的目标轨迹预测方法。首先,建立三自由度导弹运动模型,依据再入类型设计3种目标轨迹数据,构建机动数据库,解决轨迹数据的来源问题。其次,采用重复分割与滑动窗口的方法对轨迹数据进行预处理。然后,基于LSTM与1DCNN设计了一种目标类型分类网络,对目标进行初步分类。最后,基于1DCNN设计轨迹预测网络,对目标轨迹进行预测。仿真结果表明,提出的轨迹预测网络能够完成轨迹预测任务,预测误差在合理范围内。 展开更多
关键词 弹道导弹 目标分类 轨迹预测 长短期记忆网络 一维卷积神经网络
在线阅读 下载PDF
基于ALIF和1DCNN的滚动轴承故障诊断方法 被引量：2
8
作者 聂勇军 孟金 肖英楠 《机电工程》 CAS 北大核心 2022年第10期1390-1397,共8页
在滚动轴承的故障信号中,由于存在较多冗余信息成分的问题,会对基于一维卷积神经网络(1DCNN)的故障诊断的准确度产生干扰,为此,提出了一种基于自适应局部迭代滤波算法(ALIF)和1DCNN的滚动轴承故障诊断方法,即先对原始信号分解重构,再进... 在滚动轴承的故障信号中,由于存在较多冗余信息成分的问题,会对基于一维卷积神经网络(1DCNN)的故障诊断的准确度产生干扰,为此,提出了一种基于自适应局部迭代滤波算法(ALIF)和1DCNN的滚动轴承故障诊断方法,即先对原始信号分解重构,再进行分类的智能故障诊断方法。首先,使用ALIF对原始信号进行了分解,其算法相较于其他信号分解算法有较少的模态混叠现象,这得益于保持其原始物理意义中,并最大程度地提取其表征信息,提高其故障诊断正确率;然后,使用了皮尔逊相关系数法选择与原始信号相关最大的本征模函数(IMF)进行了重构,得到了冗余信号较少的信号;最后,直接将处理后的数据作为1DCNN的输入,进行了智能故障诊断。研究结果表明:在对滚动轴承的4种故障状态进行分类的准确度方面,相较于原始方法,基于ALIF和1DCNN的方法准确度提高了8%,其分类准确度达到99%;仿真信号证明了ALIF分解性能的优越性,采用实验台采集的实际数据验证了该方法的先进性。 展开更多
关键词 自适应局部迭代滤波 一维卷积神经网络 信号分解重构 故障分类 冗余信息成分 模态混叠 故障诊断准确率
在线阅读 下载PDF
基于1DCNN和动态路由的滚动轴承故障诊断 被引量：6
9
作者 郭俊锋 吕健豪 《组合机床与自动化加工技术》 北大核心 2021年第11期53-57,共5页
实际生产中滚动轴承的工况复杂易变,导致故障诊断准确率较低。针对于此,将多传感器数据融合理论应用于故障诊断领域,提出了一种基于一维卷积与动态路由算法的滚动轴承故障诊断方法。首先,采用快速傅立叶变换将多个传感器收集到的时域振... 实际生产中滚动轴承的工况复杂易变,导致故障诊断准确率较低。针对于此,将多传感器数据融合理论应用于故障诊断领域,提出了一种基于一维卷积与动态路由算法的滚动轴承故障诊断方法。首先,采用快速傅立叶变换将多个传感器收集到的时域振动信号转换为频域频谱;其次,构建多卷积网络从频谱中提取特征并归一化,再利用动态路由算法融合多卷积网络提取的特征来训练模型;最后,将变工况的振动数据导入模型实现故障诊断。实验结果表明,相较于其它典型的智能故障诊断方法,文章提出的方法在变工况条件下具有更高的诊断精度、更好的稳定性和泛化性能。 展开更多
关键词 一维卷积神经网络 动态路由算法 深度学习 轴承故障诊断 变工况
在线阅读 下载PDF
基于时频域融合和ECA-1DCNN的航空串联故障电弧检测 被引量：1
10
作者 闫锋 苏忠允 《科学技术与工程》 北大核心 2024年第5期1937-1945,共9页
为了快速准确地检测航空交流线路中出现的串联故障电弧,提出了一种基于时频域融合和加入高效注意力机制(efficient channel attention, ECA)的一维卷积神经网络(one-dimensional convolutional neural network, 1DCNN)的故障检测算法。... 为了快速准确地检测航空交流线路中出现的串联故障电弧,提出了一种基于时频域融合和加入高效注意力机制(efficient channel attention, ECA)的一维卷积神经网络(one-dimensional convolutional neural network, 1DCNN)的故障检测算法。首先,搭建航空交流电弧故障实验平台,负载选择多类型、多参数值进行电流信号的采集;其次,为了保留更多的故障信息,分析其特征频段,经过大量数据验证,航空串联电弧在发生时,1 000~4 000 Hz分量具有一定的占比,因此将原始信号与特征频段进行融合,融合后的一维数据作为模型输入;最后,搭建ECA-1DCNN检测模型,进行训练,并通过K折交叉验证模型的有效性,得到测试集平均准确率为97.96%。该方法网络层数较少,计算快速,避免了复杂时频域计算过程,较为智能,对航空串联电弧检测装置的研究提供了理论参考。 展开更多
关键词 串联电弧 高效注意力机制 特征频段 一维卷积神经网络 K折交叉验证
在线阅读 下载PDF
基于BS-1DCNN的海缆振动信号识别 被引量：1
11
作者 尚秋峰 郭家兴 黄达 《智能系统学报》 CSCD 北大核心 2024年第4期874-884,共11页
光纤振动信号是非线性的,传统的非线性振动信号识别方法通常需要信号分析和特征选择,既耗时又复杂。本文提出一种光纤振动信号识别新方法,可以直接提取特征,对原始信号进行分类,简化识别过程。本方法用支持向量机代替Softmax分类器,优... 光纤振动信号是非线性的,传统的非线性振动信号识别方法通常需要信号分析和特征选择,既耗时又复杂。本文提出一种光纤振动信号识别新方法,可以直接提取特征,对原始信号进行分类,简化识别过程。本方法用支持向量机代替Softmax分类器,优化一维卷积神经网络(one-dimensional convolution neural network,1DCNN),以提高1DCNN结果在小样本条件下的稳定性。采用鸟群算法(bird swarm algorithm,BSA)对支持向量机(support vector machine,SVM)参数进行了优化,有效地提高识别精度。将本文提出的BS-1DCNN方法与1DCNN、VMD-GA-SVM、VMD-PSO-SVM、VMD-BSA-SVM共4种方法进行比较,结果表明,BS-1DCNN在识别准确率和测试时间方面性能表现良好。该算法能有效提高海缆振动信号识别率,且在不同样本比例下均能达到较好的识别效果。 展开更多
关键词 振动信号 故障识别 鸟群优化 一维卷积神经网络 支持向量机 特征选择 参数优化 支持向量机
在线阅读 下载PDF
基于1DCNN-BiLSTM的电力电缆故障诊断 被引量：12
12
作者 高超 刘泽辉 +1 位作者 曹栋 姚利娜 《郑州大学学报（工学版）》 CAS 北大核心 2023年第5期86-92,共7页
为了提升电力电缆故障诊断的准确率,解决电缆故障诊断中过程烦琐、效率低、识别精度不高等问题,使其能够在电缆故障发生时准确地诊断出故障类型,提出了一种基于连续卷积神经网络(CNN)和双向长短网络记忆(BiLSTM)的电缆故障检测方法。通... 为了提升电力电缆故障诊断的准确率,解决电缆故障诊断中过程烦琐、效率低、识别精度不高等问题,使其能够在电缆故障发生时准确地诊断出故障类型,提出了一种基于连续卷积神经网络(CNN)和双向长短网络记忆(BiLSTM)的电缆故障检测方法。通过Simulink搭建仿真模型,提取单相接地短路、两相接地短路、两相相间短路、三相短路故障的电压信号,构建故障样本集。将信号输入到该网络模型,一维卷积神经网络提取电缆故障信号的局部特征,双向长短时记忆网络捕捉故障信号时序信息,基于自动提取的特征实现对电缆故障的诊断。经仿真结果验证,该方法能够对电力电缆的4种短路故障进行识别和分类,对单相接地短路故障和三相短路故障分类的正确概率达到97%,对两相接地短路和两相相间短路分类的正确概率达到92%,整体准确率达到98.37%。通过对损失函数曲线、准确率曲线的分析,证明该方法能够取得较好的电缆故障诊断效果。最后使用实际数据进行验证,结果表明该方法具有可行性。 展开更多
关键词 电力电缆 故障诊断 一维卷积神经网络 双向长短时记忆网络 短路
在线阅读 下载PDF
基于PCA-1DCNN的近红外光谱粮食作物主要成分检测方法 被引量：9
13
作者 王蓉 郑恩让 陈蓓 《中国粮油学报》 CSCD 北大核心 2023年第6期141-148,共8页
针对传统的近红外光谱定量技术难以选择合适的光谱预处理方法且模型预测精度低的问题,以3个谷物数据集的近红外光谱数据集为研究对象,构建了基于主成分分析光谱筛选算法的一维卷积神经网络模型。与传统的偏最小二乘回归和支持向量机模... 针对传统的近红外光谱定量技术难以选择合适的光谱预处理方法且模型预测精度低的问题,以3个谷物数据集的近红外光谱数据集为研究对象,构建了基于主成分分析光谱筛选算法的一维卷积神经网络模型。与传统的偏最小二乘回归和支持向量机模型的性能做了对比后,一维卷积神经网络构建的模型性能均为最优。其中在对玉米数据集的水分、油脂、蛋白质、淀粉的定量建模中,模型的决定系数分别为99.09%、98.15%、98.89%、99.60%;在对grain数据集的定量建模中,4种成分模型的决定系数分别为100%、100%、100%、99.99%;在对小麦数据集的定量建模中,小麦蛋白质模型的决定系数为99.80%。为了验证主成分分析光谱筛选算法对粮食作物主要成分定量回归模型的有效性,在3个光谱数据集上去除了主成分分析算法进行消融实验。研究结果表明:基于主成分分析算法与一维卷积神经网络的回归建模方法为粮食作物成分含量的检测提供一种快速无损精确的判定方式,研究结果对于粮食作物成分的含量检测具有促进作用。 展开更多
关键词 近红外光谱 主成分分析 一维卷积神经网络 粮食作物 成分检测
在线阅读 下载PDF
基于1DCNN-LSTM的船舶轨迹分类方法 被引量：23
14
作者 崔彤彤 王桂玲 高晶 《计算机科学》 CSCD 北大核心 2020年第9期175-184,共10页
由于监控设备视野有限、代价昂贵等问题,导致基于船舶图像或视频的船舶分类效果欠佳,改进船舶分类方法、提高船舶分类的准确率迫在眉睫。近几年,随着各类轨迹数据采集系统的兴起,通过船舶航行轨迹数据实现船舶类型的分类逐渐成为可能。... 由于监控设备视野有限、代价昂贵等问题,导致基于船舶图像或视频的船舶分类效果欠佳,改进船舶分类方法、提高船舶分类的准确率迫在眉睫。近几年,随着各类轨迹数据采集系统的兴起,通过船舶航行轨迹数据实现船舶类型的分类逐渐成为可能。针对使用传统二维卷积神经网络(Convolutional Neural Network,CNN)对船舶轨迹分类存在特征压缩和时序特征表达能力匮乏的问题,文中提出了一种一维CNN(One-Dimensional CNN,1DCNN)与长短期记忆网络(Long Short-Term Memory,LSTM)相结合的混合分类模型,对采集到的船舶自动识别系统(Automatic Identification System,AIS)数据进行船舶类型识别。首先,针对AIS采集到的船舶轨迹数据进行预处理,过滤噪声数据;然后,针对隐含在船舶轨迹信息中的特征对于1DCNN而言过于隐晦的问题,提出了一种针对大规模航舶轨迹数据的,且1DCNN能够识别的轨迹分布特征向量的构建算法,同时在此基础上提取了LSTM能够识别的时序特征向量;最后,将训练后的1DCNN模型与LSTM模型进行数据融合得到混合船舶分类模型。以渤海区域2016年6月的船舶AIS数据为基础,使用1DCNN与LSTM相结合的混合模型对渔船、客船、油船、集装箱船和散货船5类典型船舶的轨迹数据进行分类,并将其与使用一种神经网络如LSTM作为分类器的方法进行对比,结果表明所提方法具有明显的有效性,是一种有效的船舶轨迹分类方法。 展开更多
关键词 船舶轨迹分类 一维卷积神经网络 长短期记忆网络 分布特征向量 时序特征向量
在线阅读 下载PDF
基于1DCNN-GRU的网络入侵检测混合模型 被引量：5
15
作者 温纤纤 柳毅 +1 位作者 凌捷 罗玉 《计算机应用与软件》 北大核心 2023年第6期282-287,349,共7页
针对现有网络入侵检测模型存在检测率低、误报率高的问题,提出一种基于一维卷积神经网络(1DCNN)与门控循环单元(GRU)网络的网络入侵检测混合模型,1DCNN以膨胀卷积的方式将输入的数据逐层卷积合并以提取输入特征,GRU进一步提取特征数据... 针对现有网络入侵检测模型存在检测率低、误报率高的问题,提出一种基于一维卷积神经网络(1DCNN)与门控循环单元(GRU)网络的网络入侵检测混合模型,1DCNN以膨胀卷积的方式将输入的数据逐层卷积合并以提取输入特征,GRU进一步提取特征数据并挖掘时序信息,并且在训练模型的过程中加入高斯噪声作为数据增广手段以增强网络的鲁棒性,从而提高模型的泛化能力。采用UNSW-NB15数据集进行二分类实验,该模型与其他模型相比较,有效地提高了网络入侵检测的准确率,降低了误报率。 展开更多
关键词 入侵检测 一维卷积神经网络 门控循环单元 膨胀卷积 高斯噪声
在线阅读 下载PDF
基于并行1DCNN的滚动轴承故障诊断研究 被引量：20
16
作者 刘伟 单雪垠 +2 位作者 李双喜 张志华 姚思雨 《机电工程》 CAS 北大核心 2021年第12期1572-1578,共7页
滚动轴承是旋转机械中常用的零部件,由于其工作环境恶劣,极易发生故障,为此,提出了一种基于并行1DCNN(one-dimensional convolutional neural network)的滚动轴承故障诊断方法。首先,对滚动轴承振动信号进行了处理,将其分为训练集和测试... 滚动轴承是旋转机械中常用的零部件,由于其工作环境恶劣,极易发生故障,为此,提出了一种基于并行1DCNN(one-dimensional convolutional neural network)的滚动轴承故障诊断方法。首先,对滚动轴承振动信号进行了处理,将其分为训练集和测试集;然后,构建了由两个通道组成的并行1DCNN模型,两通道可以分别获取振动信号的时域信息和频域信息,提取时域信息时使用相对较小的卷积核,而提取频域信息时使用相对较大的卷积核,并使用全局最大池化层替换了传统的全连接层;最后,用训练好的并行1DCNN模型对凯斯西储大学滚动轴承测试集数据进行了处理;同时为了验证并行1DCNN模型的故障诊断效果,将该模型与传统的CNN模型进行了比较。研究结果表明:并行1DCNN模型的故障诊断精度高于0.996,与传统单通道CNN模型相比,并行1DCNN模型可以充分利用所提取的时域和频域特征信息,具有更加出色的故障诊断能力。 展开更多
关键词 滚动轴承 故障诊断 卷积神经网络 1dcnn 深度学习 特征提取
在线阅读 下载PDF
基于BPSO-M1DCNN的行星齿轮箱故障诊断方法研究 被引量：3
17
作者 郭永伦 吴国新 +1 位作者 刘秀丽 徐小力 《机电工程》 CAS 北大核心 2021年第10期1277-1283,共7页
采用卷积神经网络对旋转部件进行故障诊断时,其对多尺度的故障特征利用有限,且网络层结构和超参数调试费时费力,针对上述问题,提出了一种基于离散二进制粒子群优化多尺度一维卷积神经网络的BPSO-M1DCNN算法。首先,对M1DCNN网络进行了初... 采用卷积神经网络对旋转部件进行故障诊断时,其对多尺度的故障特征利用有限,且网络层结构和超参数调试费时费力,针对上述问题,提出了一种基于离散二进制粒子群优化多尺度一维卷积神经网络的BPSO-M1DCNN算法。首先,对M1DCNN网络进行了初始化设计,采用了BPSO算法自适应调整超参数和网络结构构建BPSO-M1DCNN网络;然后,将原始振动数据输入BPSO-M1DCNN网络,进行了特征学习和提取,将学习到的故障特征进行了分类输出;最后,将该算法应用于行星齿轮箱的故障诊断试验,并将其结果与用BPSO-BP神经网络、一维卷积神经网络、M1DCNN网络的结果进行了对比分析,利用变化曲线表示M1DCNN网络、BPSO-M1DCNN网络的正确率和损失率,采用混淆矩阵显示各类故障诊断精度,并利用T-SNE算法对其特征学习过程进行了可视化。研究结果表明:相比BPSO-BP神经网络、1DCNN网络、M1DCNN网络,基于BPSO-M1DCNN网络的行星齿轮箱测试集的平均准确率均有一定提升,应用于行星齿轮箱故障的诊断效果较好。 展开更多
关键词 行星齿轮箱 故障诊断 多尺度一维卷积神经网络 二进制粒子群优化
在线阅读 下载PDF
基于1DCNN-ELM的带式输送机托辊轴承故障诊断研究 被引量：7
18
作者 张伟 李军霞 +1 位作者 吴磊 李斌 《煤炭科学技术》 EI CAS CSCD 北大核心 2023年第S01期383-389,共7页
针对带式输送机托辊轴承故障诊断中振动信号提取特征困难而导致故障诊断精度较低的难题,提出了一种基于一维卷积神经网络(1DCNN)和极限学习机(ELM)的托辊轴承故障诊断方法。首先,根据具体的故障诊断任务,对采集到的数据进行划分,并进行... 针对带式输送机托辊轴承故障诊断中振动信号提取特征困难而导致故障诊断精度较低的难题,提出了一种基于一维卷积神经网络(1DCNN)和极限学习机(ELM)的托辊轴承故障诊断方法。首先,根据具体的故障诊断任务,对采集到的数据进行划分,并进行傅里叶变换,采用多个标签表示健康状态、故障类型和损伤程度。然后,利用1DCNN来提取故障特征,根据提取的故障特征利用ELM进行故障分类。该方法中的参数是随机产生的,不需要迭代更新,可有效加快计算速度。最后,通过Case Western Reserve University的轴承数据集以及自制托辊故障数据集进行故障诊断试验,测试精度均达到了100%,用时分别为2.82 s和2.42 s,能够在较短的时间内准确判断出托辊故障类型,验证了所提方法的有效性。通过与ELM、随机森林、K最邻近法、支持向量机和卷积神经网络等方法进行对比,体现了所提方法的优越性。结果表明:采用1DCNN和ELM相结合的诊断方法,其诊断效果比采用单一方法更好,能够满足煤矿领域托辊故障诊断的需求。 展开更多
关键词 一维卷积神经网络 极限学习机 托辊 轴承 故障诊断
在线阅读 下载PDF
结合SE-VAE与M1DCNN的小样本数据下轴承故障诊断 被引量：5
19
作者 李梦男 李琨 +1 位作者 叶震 高宏宇 《机械科学与技术》 CSCD 北大核心 2024年第5期773-780,共8页
针对轴承故障诊断中故障样本数量少导致诊断正确率低的问题,提出了一种基于注意力机制变分自编码器(SE-VAE)和多尺度一维卷积神经网络(M1DCNN)的轴承故障诊断方法。将轴承数据集的训练集输入到SE-VAE中进行训练,生成与训练样本分布相似... 针对轴承故障诊断中故障样本数量少导致诊断正确率低的问题,提出了一种基于注意力机制变分自编码器(SE-VAE)和多尺度一维卷积神经网络(M1DCNN)的轴承故障诊断方法。将轴承数据集的训练集输入到SE-VAE中进行训练,生成与训练样本分布相似的生成样本,并添加到训练集中增加训练集的样本数量。将扩充后的训练集输入到M1DCNN中进行训练,随后将训练好的模型应用于测试集,输出故障诊断结果。实验结果表明,所提方法能够在不同负载的小样本轴承故障数据集上取得较好的故障诊断准确率。 展开更多
关键词 轴承故障诊断 变分自编码器 注意力机制 多尺度一维卷积神经网络 小样本
在线阅读 下载PDF
基于1DCNN的机载火控雷达空空工作状态识别 被引量：4
20
作者 马珂 毕大平 +1 位作者 周圣栾 何文波 《现代雷达》 CSCD 北大核心 2023年第3期17-23,共7页
针对机载火控雷达空空工作模式识别局限性大的问题,从电子情报和雷达告警系统的视角定义了八种工作状态,提出了基于一维卷积神经网络的识别方法。基于不同工作状态的波形特征开发了信号模拟器,构建了全脉冲数据预处理和工作状态自动识... 针对机载火控雷达空空工作模式识别局限性大的问题,从电子情报和雷达告警系统的视角定义了八种工作状态,提出了基于一维卷积神经网络的识别方法。基于不同工作状态的波形特征开发了信号模拟器,构建了全脉冲数据预处理和工作状态自动识别的一维卷积神经网络结构,迭代训练确定最优的网络参数完成状态识别。仿真结果表明:文中提出的识别方法精度高,且对信噪比小、错漏脉冲多的信号适应能力强,具有较强的工程应用价值。 展开更多
关键词 机载火控雷达 空空工作状态 一维卷积神经网络
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 2 … 19 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