针对复杂工况下矿井开采设备齿轮减速器故障预测精度不高、实时性不强的问题,提出了一种基于并行多尺度特征融合的矿井开采设备齿轮减速器故障预测模型。首先,利用卷积神经网络Vgg-16提取齿轮减速器故障数据的空间特征;然后,利用双向长...针对复杂工况下矿井开采设备齿轮减速器故障预测精度不高、实时性不强的问题,提出了一种基于并行多尺度特征融合的矿井开采设备齿轮减速器故障预测模型。首先,利用卷积神经网络Vgg-16提取齿轮减速器故障数据的空间特征;然后,利用双向长短时记忆神经网络(Bi-directional Long Short-Term Memory,Bi-LSTM)提取齿轮减速器故障数据的时序特征,并借助交叉融合注意力实现井下开采设备齿轮减速器故障数据空间特征和时序特征的深度融合,增强故障特征表达的可靠性和鲁棒性;最后,利用Softmax函数实现待测齿轮减速器故障的实时预测。通过在宁夏某矿井采集的多工况条件下的开采设备齿轮减速器故障数据集上进行测试,结果表明:所提模型在单一工况场景下可以实现94.38%的准确率、94.25%的精准率、94.16%的召回率和95.08%的F_(1)值,在多工况场景下可以实现92.73%的准确率、91.86%的精准率、91.04%的召回率和92.39%的F_(1)值,综合性能优于经典的齿轮故障预测模型。展开更多
水文大数据相关研究是近些年水文领域的研究重点和核心问题,同时也是提高水文事务处理效率和增强水文规律真实性及可信性的重要内容。现将从中国知网(CNKI)收录的264篇文献和Web of Science(WOS)收录的219篇文献作为样本数据,利用CiteSp...水文大数据相关研究是近些年水文领域的研究重点和核心问题,同时也是提高水文事务处理效率和增强水文规律真实性及可信性的重要内容。现将从中国知网(CNKI)收录的264篇文献和Web of Science(WOS)收录的219篇文献作为样本数据,利用CiteSpace软件对其进行研究人员、研究机构及热点分析,深入探索该领域研究的发展趋势。研究表明:从发文量总体来看,国内和国际发文量均呈现上升趋势。从研究人员和研究机构来看,国内学者和机构间呈现“大分散,小聚集”的现象。从研究热点来看,以“智慧水文”“预警系统”“Big data testing”等为突现关键词意味着该领域的研究重点逐渐向技术化、数字化方向演进,无论在国内还是国际,现代的水文监测技术与水文学方法相对于传统的技术和方法,均具有更高的准确性和稳定性,可以更充分地满足实际应用需求,将水文和大数据相结合逐渐成为了该领域的研究趋势。展开更多
文摘针对复杂工况下矿井开采设备齿轮减速器故障预测精度不高、实时性不强的问题,提出了一种基于并行多尺度特征融合的矿井开采设备齿轮减速器故障预测模型。首先,利用卷积神经网络Vgg-16提取齿轮减速器故障数据的空间特征;然后,利用双向长短时记忆神经网络(Bi-directional Long Short-Term Memory,Bi-LSTM)提取齿轮减速器故障数据的时序特征,并借助交叉融合注意力实现井下开采设备齿轮减速器故障数据空间特征和时序特征的深度融合,增强故障特征表达的可靠性和鲁棒性;最后,利用Softmax函数实现待测齿轮减速器故障的实时预测。通过在宁夏某矿井采集的多工况条件下的开采设备齿轮减速器故障数据集上进行测试,结果表明:所提模型在单一工况场景下可以实现94.38%的准确率、94.25%的精准率、94.16%的召回率和95.08%的F_(1)值,在多工况场景下可以实现92.73%的准确率、91.86%的精准率、91.04%的召回率和92.39%的F_(1)值,综合性能优于经典的齿轮故障预测模型。
文摘水文大数据相关研究是近些年水文领域的研究重点和核心问题,同时也是提高水文事务处理效率和增强水文规律真实性及可信性的重要内容。现将从中国知网(CNKI)收录的264篇文献和Web of Science(WOS)收录的219篇文献作为样本数据,利用CiteSpace软件对其进行研究人员、研究机构及热点分析,深入探索该领域研究的发展趋势。研究表明:从发文量总体来看,国内和国际发文量均呈现上升趋势。从研究人员和研究机构来看,国内学者和机构间呈现“大分散,小聚集”的现象。从研究热点来看,以“智慧水文”“预警系统”“Big data testing”等为突现关键词意味着该领域的研究重点逐渐向技术化、数字化方向演进,无论在国内还是国际,现代的水文监测技术与水文学方法相对于传统的技术和方法,均具有更高的准确性和稳定性,可以更充分地满足实际应用需求,将水文和大数据相结合逐渐成为了该领域的研究趋势。
