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367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
基于时频域融合和ECA-1DCNN的航空串联故障电弧检测 被引量：1
7
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
8
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
结合SE-VAE与M1DCNN的小样本数据下轴承故障诊断 被引量：5
9
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
电子鼻和电子舌结合LSTM-AM-M1DCNN检测枸杞产地 被引量：4
10
作者 马泽亮 刘雅倩 +3 位作者 程琦峰 王萍萍 杨甜星 杜岗 《食品与机械》 CSCD 北大核心 2024年第12期51-58,共8页
[目的]实现枸杞产地的快速检测。[方法]提出了一种基于电子鼻和电子舌的长短期记忆网络—注意力机制—多尺度一维卷积神经网络(LSTM-AM-M1DCNN)模型的枸杞产地快速判别方法。采用电子鼻和电子舌分别对5种不同产地的枸杞进行检测,将采集... [目的]实现枸杞产地的快速检测。[方法]提出了一种基于电子鼻和电子舌的长短期记忆网络—注意力机制—多尺度一维卷积神经网络(LSTM-AM-M1DCNN)模型的枸杞产地快速判别方法。采用电子鼻和电子舌分别对5种不同产地的枸杞进行检测,将采集回来的信息进行融合,并采用LSTM-AM-M1DCNN对融合后的数据进行分类判别。[结果]相比于传统的LSTM、CNN方法,LSTM-AM-M1DCNN能够有效提取到电子鼻和电子舌数据中深层特征信息,其测试集准确率、精确率、召回率、F_(1)-Score分别为97.4%,97.6%,97.4%,0.974。[结论]采用LSTM-AM-M1DCNN解决了传统卷积神经网络无法充分提取时序、时空特征的缺陷,适合对电子鼻和电子舌采集到的数据进行处理,可有效判别枸杞产地。 展开更多
关键词 枸杞 产地 电子鼻 电子舌 长短期记忆网络 多尺度一维卷积神经网络
在线阅读 下载PDF
基于RIME和1DCNN-LSTM-Attention的无创血糖预测模型研究 被引量：2
11
作者 贺义博 靳鸿 +1 位作者 周春 屈盛玉 《现代电子技术》 北大核心 2024年第18期83-88,共6页
实现无创血糖检测对于糖尿病患者来说具有重要意义,然而目前市面上的无创血糖仪存在检测精度不高的问题。为了提高无创血糖检测的准确度,基于近红外无创血糖检测仪,构建了1DCNN-LSTM-Attention混合预测模型,同时引入了霜冰优化算法(RIME... 实现无创血糖检测对于糖尿病患者来说具有重要意义,然而目前市面上的无创血糖仪存在检测精度不高的问题。为了提高无创血糖检测的准确度,基于近红外无创血糖检测仪,构建了1DCNN-LSTM-Attention混合预测模型,同时引入了霜冰优化算法(RIME)。该模型通过一维卷积神经网络(1DCNN)提取数据中的局部特征,将所提取的特征向量作为长短期记忆(LSTM)网络的输入,捕捉数据中的依赖关系;采用注意力机制(Attention)为LSTM的输出赋予不同的权重,增强关键信息提取;通过RIME算法优化模型参数,避免陷入局部最优解。结果表明,引入RIME的1DCNN-LSTM-Attention混合模型预测效果优于1DCNN、LSTM、1DCNN-LSTM、1DCNN-LSTM-Attention等模型,预测血糖值与有创血糖值的平均绝对误差为0.121 0,均方误差为0.018 6,相关系数达到了0.982 3。该模型有助于提高近红外无创血糖检测的精确度和可靠性。 展开更多
关键词 近红外无创血糖检测 一维卷积神经网络 霜冰优化算法 长短期记忆网络 注意力机制 参数优化
在线阅读 下载PDF
基于Bi-LSTM和改进残差学习的风电功率超短期预测方法 被引量：2
12
作者 王进峰 吴盛威 +1 位作者 花广如 吴自高 《华北电力大学学报(自然科学版)》 北大核心 2025年第1期56-65,共10页
现有的方法在以风电功率时间序列拟合功率曲线时,难以表达风电功率数据所包含的趋势性和周期性等时间信息而出现性能退化问题,从而导致预测精度下降。为了解决性能退化问题从而提高风电功率时间序列预测的精度,提出了基于双向长短时记忆... 现有的方法在以风电功率时间序列拟合功率曲线时,难以表达风电功率数据所包含的趋势性和周期性等时间信息而出现性能退化问题,从而导致预测精度下降。为了解决性能退化问题从而提高风电功率时间序列预测的精度,提出了基于双向长短时记忆(Bi-LSTM)和改进残差学习的风电功率预测方法。方法由两个部分组成,第一部分是以Bi-LSTM为主的多残差块上,结合稠密残差块网络(DenseNet)与多级残差网络(MRN)的残差连接方式,并且在残差连接上使用一维卷积神经网络(1D CNN)来提取风电功率值中时序的非线性特征部分。第二部分是Bi-LSTM与全连接层(Dense)组成的解码器,将多残差块提取到的功率值时序非线性特征映射为预测结果。方法在实际运行的风电功率数据上进行实验,并与常见的残差网络方法和时间序列预测方法进行对比。方法相比于其他模型方法有着更高的预测精度以及更好的泛化能力。 展开更多
关键词 深度学习 残差网络 风电功率预测 双向长短时记忆 一维卷积神经网络
在线阅读 下载PDF
基于改进一维卷积神经网络模型的蛋清粉近红外光谱真实性检测 被引量：1
13
作者 祝志慧 李沃霖 +4 位作者 韩雨彤 金永涛 叶文杰 王巧华 马美湖 《食品科学》 北大核心 2025年第6期245-253,共9页
引入近红外光谱检测技术,构建改进一维卷积神经网络(one-dimensional convolutional neural network,1D-CNN)蛋清粉真实性检测模型。该模型基于1D-CNN模型,无需对光谱数据进行预处理;同时在网络中加入有效通道注意力模块和一维全局平均... 引入近红外光谱检测技术,构建改进一维卷积神经网络(one-dimensional convolutional neural network,1D-CNN)蛋清粉真实性检测模型。该模型基于1D-CNN模型,无需对光谱数据进行预处理;同时在网络中加入有效通道注意力模块和一维全局平均池化层,提高模型提取光谱特征的能力,减少噪声干扰。结果表明,改进后的EG-1D-CNN模型可判别蛋清粉样本的真伪,对于掺假蛋清粉的检测率可达到97.80%,总准确率(AAR)为98.93%,最低检测限(LLRC)在淀粉、大豆分离蛋白、三聚氰胺、尿素和甘氨酸5种单掺杂物质上分别可达到1%、5%、0.1%、1%、5%,在多掺杂中可达到0.1%~1%,平均检测时间(AATS)可达到0.004 4 s。与传统1D-CNN网络结构及其他改进算法相比,改进后的EG-1D-CNN模型在蛋清粉真实性检测上具有更高精度,检测速度快,且模型占用空间小,更适合部署在嵌入式设备中。该研究可为后续开发针对蛋粉质量检测的便携式近红外光谱检测仪提供一定的理论基础。 展开更多
关键词 蛋清粉 近红外光谱 真实性检测 一维卷积神经网络 深度学习
在线阅读 下载PDF
ISW32离心泵深度一维卷积神经网络故障诊断 被引量：1
14
作者 贺婷婷 张晓婷 +1 位作者 李强 颜洁 《机械设计与制造》 北大核心 2025年第4期213-216,共4页
传统卷积神经网络进行故障诊断过程费时费力,且人工提取特征未必完善。通过搭建离心泵故障诊断实验系统获得采样本,输入到深度一维卷积神经网络中进行故障诊断。通过提高1DCNN深度,为1DCNN模型设置了更多卷积层,最终实现D-1DCNN模型达... 传统卷积神经网络进行故障诊断过程费时费力,且人工提取特征未必完善。通过搭建离心泵故障诊断实验系统获得采样本,输入到深度一维卷积神经网络中进行故障诊断。通过提高1DCNN深度,为1DCNN模型设置了更多卷积层,最终实现D-1DCNN模型达到更强的特征提取能力。通过参数设置对深度一维卷积神经网络进行调节,确定最优的参数范围:学习率为0.01,卷积核选取为(1×3),批处理量为50,采取最大池化条件,以Adam优化器优化实验参数。实验测试研究结果表明:深度一维卷积神经网络在离心泵故障诊断实现了99.97%准确率,可以满足智能故障诊断的要求。该研究对提高ISW32离心泵的故障诊断能量具有很好的实际应用价值。 展开更多
关键词 离心泵 故障诊断 深度一维卷积神经网络 准确率 实验 采样
在线阅读 下载PDF
小样本下基于DWT和2D-CNN的齿轮故障诊断方法 被引量：1
15
作者 宋庭新 黄继承 +2 位作者 刘尚奇 杜敏 李子平 《计算机集成制造系统》 北大核心 2025年第6期2206-2214,共9页
针对齿轮设备运维过程中故障信号较少的情况,提出一种将离散小波变换(DWT)与二维卷积神经网络(2D-CNN)相结合的故障识别方法。该方法通过将少量信号经卷积神经网络得到的分类标签与信号的小波能量进行权值分配,实现对齿轮的故障识别。... 针对齿轮设备运维过程中故障信号较少的情况,提出一种将离散小波变换(DWT)与二维卷积神经网络(2D-CNN)相结合的故障识别方法。该方法通过将少量信号经卷积神经网络得到的分类标签与信号的小波能量进行权值分配,实现对齿轮的故障识别。为了充分获取小样本中的信息来训练神经网络,利用离散小波分解、图像变换和Markov变迁场方法对样本信号进行增量和转换。通过验证齿轮箱数据集得到96%的训练准确率和87.5%的分类准确率,同时通过消融实验和对比实验证明,该方法可以有效克服小样本数据中的噪声干扰,使数据得到增强,在齿轮故障识别中具有很好的现实意义。 展开更多
关键词 故障诊断 小样本 二维卷积神经网络 小波变换
在线阅读 下载PDF
多尺度密集交互注意力残差真实图像去噪网络 被引量：1
16
作者 郭业才 胡晓伟 +1 位作者 AMITAVE Saha 毛湘南 《图学学报》 北大核心 2025年第2期279-287,共9页
针对图像去噪特征提取不全面以及特征利用率低,导致生成图像不够清晰的问题,提出一种多尺度密集交互注意力残差去噪网络(MDIARN)。首先,通过多尺度非对称特征提取模块(MAFM)初步提取浅层信息特征,以确保图像特征的多样性;然后,多尺度级... 针对图像去噪特征提取不全面以及特征利用率低,导致生成图像不够清晰的问题,提出一种多尺度密集交互注意力残差去噪网络(MDIARN)。首先,通过多尺度非对称特征提取模块(MAFM)初步提取浅层信息特征,以确保图像特征的多样性;然后,多尺度级联模块(MSCM)利用多维密集交互残差单元(MDIU)对图像特征进行多维映射,并逐步级联以增强模型之间的信息传递和交互性,充分拟合训练数据;引入双路全局注意力模块(DGAM)对多级特征进行全局联合学习,获取更具有判别性的特征信息;跳跃连接促进结构之间的参数共享,使不同维度的特征充分融合,保证信息的完整性;最后,采用残差学习构建出清晰的去噪图像。结果表明,该算法在真实噪声数据集(DND和SIDD)上峰值信噪比分别为39.80 dB和39.62 dB,结构相似性分别为95.4%和95.8%,均优于主流去噪算法。此外,该算法在低光度场景下应用也能保留更多细节,从而显著提升图像质量。 展开更多
关键词 图像去噪 多尺度特征提取 多维密集交互 卷积神经网络 注意力
在线阅读 下载PDF
高光谱图像结合一维卷积神经网络的玉米大斑病早期识别
17
作者 路阳 顾福谦 +2 位作者 谷英楠 许思源 王鹏 《光谱学与光谱分析》 北大核心 2025年第8期2302-2310,共9页
大斑病在全球各大玉米产区都有出现,降低了玉米的品质和产量。该病害多在病斑明显时识别,难以及时防治。本文提出一维卷积神经网络(1DCNN)高光谱模型,实现早期识别。以玉米大斑病为研究对象,手动接种大斑病后,选取吐丝期的玉米叶片进行... 大斑病在全球各大玉米产区都有出现,降低了玉米的品质和产量。该病害多在病斑明显时识别,难以及时防治。本文提出一维卷积神经网络(1DCNN)高光谱模型,实现早期识别。以玉米大斑病为研究对象,手动接种大斑病后,选取吐丝期的玉米叶片进行试验,此时期刚显现病斑特征,但无法通过视觉属性观察看出是何种病害。首先采用SOC710E光谱仪采集高光谱图像,通过选取感兴趣区域获得玉米叶片的健康和大斑病两种光谱数据。使用SG卷积平滑、多元散射校正(MSC)、标准正态变换(SNV)和去趋势算法(DT)等四种光谱预处理方法,以去除光谱数据中的噪声。分别使用随机森林(RF)和K最近邻(KNN)两种监督学习算法,以准确率作为评价指标,对高光谱图像进行识别。结果表明,MSC为优选的预处理方法,两种模型预测准确率分别为88.13%和86.26%。然后采用竞争性自适应重加权算法对玉米叶片光谱数据进行特征波长提取,从原始的260个波长中优选出48个特征波长。最后建立一维卷积深度学习模型进行分类,识别准确率达到99.61%,相较于传统分类模型KNN、RF、偏最小二乘判别分析(PLS-DA)、反向传播神经网络(BP)、支持向量机(SVM),提出的模型识别准确率分别提高了5.94%、6.88%、6.48%、8.27%、12.12%。高光谱技术结合深度学习模型可以更有效识别玉米大斑病,为实现玉米病害早期识别提供了一种新的思路和方法。 展开更多
关键词 一维卷积神经网络 高光谱图像 玉米 大斑病
在线阅读 下载PDF
基于多维注意力机制的高速公路交通流量预测方法
18
作者 虞安军 励英迪 +5 位作者 杨哲懿 付崇宇 童蔚苹 余佳 刘云海 刘志远 《汽车安全与节能学报》 北大核心 2025年第3期463-469,共7页
为了实现精准的交通流量预测,提高高速公路智慧管理水平,该文构建了一种基于多维注意力机制的交通流量预测模型,并在樟吉高速公路真实交通数据集上开展对比实验,以验证模型的准确性及预测精度。模型基于图神经网络(GNN)和时间卷积网络(T... 为了实现精准的交通流量预测,提高高速公路智慧管理水平,该文构建了一种基于多维注意力机制的交通流量预测模型,并在樟吉高速公路真实交通数据集上开展对比实验,以验证模型的准确性及预测精度。模型基于图神经网络(GNN)和时间卷积网络(TCN)提取交通流空间和时间维度的特征,结合多维注意力机制挖掘时空数据中的关键信息,同时引入多任务学习架构,通过基于同方差不确定性的损失函数来平衡不同任务共同学习,以提高模型的泛化能力和鲁棒性。结果表明:该模型在测试集上的均方根误差(RMSE)和平均绝对误差(MAE)分别为7.467和5.133,相较基准模型有更好的预测精度;提出的该交通流量预测方法可有效地挖掘交通流的时空特性,描述真实交通运行状态,对高速公路交通流量做出精准预测。 展开更多
关键词 交通流预测 图神经网络(GNN) 时间卷积网络(TCN) 多维注意力机制
在线阅读 下载PDF
考虑空间相关性的MSCNN LSTM Attention能见度预测模型
19
作者 王小建 苏彤 +6 位作者 马飞 林智婕 白元旦 郭庆元 魏俊涛 黄凯 徐玉凤 《安全与环境学报》 北大核心 2025年第4期1622-1632,共11页
准确预测能见度对保障交通运输安全具有重要意义。针对现有方法在能见度预测时对影响因素空间相关性考虑不足导致预测精度较低的问题,研究构建了一种考虑空间相关性的能见度预测模型。利用一维多尺度卷积神经网络(Multi-Scale Convoluti... 准确预测能见度对保障交通运输安全具有重要意义。针对现有方法在能见度预测时对影响因素空间相关性考虑不足导致预测精度较低的问题,研究构建了一种考虑空间相关性的能见度预测模型。利用一维多尺度卷积神经网络(Multi-Scale Convolutional Neural Network, MSCNN)提取能见度以预测各影响因素下不同精细度的空间特征,并将其进行线性融合得到多因素空间特征,实现对能见度预测影响因素的空间特征提取;利用Attention机制加强对关键信息关注的优势以对长短期记忆神经网络(Long-Short Term Memory Neural Network, LSTM)方法进行改进,进而增强模型对重要时序信息关注的能力和模型预测的准确性,实现在考虑影响因素空间相关性下对能见度的预测。以2021—2023年西安市逐时气象数据和污染物数据为试验数据,采用均方根误差(RMSE)、平均绝对误差(MAE)和R2指标对模型进行评价。试验结果显示,研究模型MAE下降26.3%~39.1%,RMSE下降25%~40%,R2提升3.7%~16.4%,能见度预测精度较高。 展开更多
关键词 环境科学技术基础学科 能见度预测 空间相关性 一维多尺度卷积神经网络 长短期记忆神经网络 注意力机制
在线阅读 下载PDF
基于MC2DCNN-LSTM模型的齿轮箱全故障分类识别模型
20
作者 陈蓉 王磊 《机电工程》 北大核心 2025年第2期287-297,共11页
针对轧机齿轮箱结构复杂、故障信号识别困难、故障部位分类不清等难题,提出了一种基于多通道二维卷积神经网络(MC2DCNN)与长短期记忆神经网络(LSTM)特征融合的故障诊断方法。首先,设计了一种三通道混合编码的二维样本结构,以达到故障识... 针对轧机齿轮箱结构复杂、故障信号识别困难、故障部位分类不清等难题,提出了一种基于多通道二维卷积神经网络(MC2DCNN)与长短期记忆神经网络(LSTM)特征融合的故障诊断方法。首先,设计了一种三通道混合编码的二维样本结构,以达到故障识别与分类目的,对齿轮箱典型故障进行了自适应分类;其次,该模型将齿轮箱的垂直、水平和轴向三个方向的振动信号融合构造输入样本,结合了二维卷积神经网络与长短时记忆神经网络的优势,设计了与之对应的二维卷积神经网络结构,其相较于传统的单通道信号包含了更多的状态信息;最后,分析了轧制过程数据和已有实验数据,对齿轮故障和齿轮箱全故障进行了特征识别和分类,验证了该模型的准确率。研究结果表明:模型对齿轮箱齿面磨损、齿根裂纹、断齿以及齿面点蚀等典型故障识别的平均准确率达到95.9%,最高准确率为98.6%;相较于单通道信号,多通道信号混合编码方式构造的分类样本极大地提升了神经网络分类的准确性,解调出了更丰富的故障信息。根据轧制过程中的运行数据和实验台数据,验证了该智能诊断方法较传统方法在分类和识别准确率上更具优势,为该方法的工程应用提供了理论基础。 展开更多
关键词 高精度轧机齿轮箱 智能故障诊断 多通道二维卷积神经网络 长短期记忆神经网络 数据分类
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