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120篇文章
< 1 2 … 6 >
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1D-CNN的稻谷石墨烯远红外干燥模型及含水率在线预测 被引量：1
1
作者 王逸凡 井世亮 +3 位作者 夏宇 Nuhu Jibril 赵海瑞 陈坤杰 《南京农业大学学报》 北大核心 2025年第2期488-497,共10页
[目的]为实现远红外稻谷干燥过程中水分比的精准预测,提出了一种基于1D-CNN(one-dimensional convolutional neural network)的稻谷干燥水分比预测模型,实现对干燥过程中稻谷含水率在线预测。[方法]将稻谷初始含水率调到统一标准后,在... [目的]为实现远红外稻谷干燥过程中水分比的精准预测,提出了一种基于1D-CNN(one-dimensional convolutional neural network)的稻谷干燥水分比预测模型,实现对干燥过程中稻谷含水率在线预测。[方法]将稻谷初始含水率调到统一标准后,在自制的石墨烯远红外干燥试验台进行不同温度的干燥试验,每隔2 min采集1组包括干燥温湿度等8个工艺参数数据,经标准化处理后构成数据集。然后以8个工艺参数为输入,水分比为输出,构建1D-CNN干燥模型,通过训练确定模型参数,最后对模型进行验证并与6种经典薄层干燥模型及4种典型机器学习干燥模型进行比较。[结果]试验结果表明,所提出的1D-CNN干燥模型能够很好描述干燥过程中水分比的变化情况,决定系数R^(2)、均方根误差(root mean square error, RMSE)和平均绝对误差(mean absolute error, MAE)分别达到0.993 1、0.018 9、0.012 1;含水率预测的MAE和平均相对误差(mean relative error, MRE)分别为0.143 2%和0.007 8%,明显优于其他对比的干燥模型。[结论]所提出的1D-CNN干燥模型能够准确预测稻谷干燥过程中含水率变化,完全满足含水率在线检测需求。 展开更多
关键词 稻谷 1d-cnn模型 石墨烯远红外干燥 含水率在线预测
在线阅读 下载PDF
Attention机制加成的ICEEMDAN-1D-CNNBiGRU月径流预测
2
作者 安佳彤 赵雪花 +2 位作者 朱博文 郭秋岑 王慧方 《水电能源科学》 北大核心 2025年第7期7-10,6,共5页
针对径流序列呈现出复杂性、高波动性,直接预测误差大的问题,将改进的自适应噪声完备集合经验模态分解(ICEEMDAN)、一维卷积神经网络(1D-CNN)、双向门控循环单元(BiGRU)和注意力(Attention)机制相结合,构建ICEEMDAN-1D-CNN-BiGRU-Attent... 针对径流序列呈现出复杂性、高波动性,直接预测误差大的问题,将改进的自适应噪声完备集合经验模态分解(ICEEMDAN)、一维卷积神经网络(1D-CNN)、双向门控循环单元(BiGRU)和注意力(Attention)机制相结合,构建ICEEMDAN-1D-CNN-BiGRU-Attention模型,充分挖掘径流序列的周期性、长程相关性特征,以提高径流序列的预测精度。以汾河上游的上静游站为例开展月径流序列预测研究,与1D-CNN-BiGRU、1DCNN-BiGRU-Attention、ICEEMDAN-1D-CNN-BiGRU模型的预测结果进行对比分析。结果表明,ICEEMDAN分解原始径流序列,可以充分挖掘径流数据的周期性特征。ICEEMDAN-1D-CNN-BiGRU-Attention模型可以很好地识别序列特征,预测效果较好,验证期的纳什效率系数达0.85以上。Attention机制的加入,可提高峰值的预测效果,在突变较强的训练期合格率可达90%。研究结果为中长期径流预测提供了新思路,并验证了其有效性。 展开更多
关键词 月径流预测 ICEEMDAN 1d-cnn BiGRU Attention机制
原文传递
基于1D-CNN-TCN的供水管道泄漏检测研究 被引量：1
3
作者 罗骆 李云飞 +2 位作者 周扬 陈杰 张飞 《传感器与微系统》 北大核心 2025年第8期59-63,共5页
城市供水管道泄漏的高效检测对于减少水资源浪费和保障居民用水安全具有重要意义。针对传统检测方法中复杂的特征工程和耗时的信号转换问题,基于一维卷积神经网络(1D-CNN)与时间卷积网络(TCN)构建了1D-CNN-TCN快速检测模型,该模型直接... 城市供水管道泄漏的高效检测对于减少水资源浪费和保障居民用水安全具有重要意义。针对传统检测方法中复杂的特征工程和耗时的信号转换问题,基于一维卷积神经网络(1D-CNN)与时间卷积网络(TCN)构建了1D-CNN-TCN快速检测模型,该模型直接以原始泄漏信号作为输入,实现高效的泄漏检测。为验证模型的有效性,设计搭建了管道长度为200m、管径为100mm的实验装置,泄漏速率约为0.14t/h,通过水听器和数据采集处理终端进行实验信号捕捉。实验结果显示,模型在实验测试集上的准确率达到99.60%,在合并验证集和测试集上的准确率达到99.73%,验证了1D-CNN-TCN模型在常压条件下对管道小尺度泄漏的高效诊断能力。 展开更多
关键词 供水管道 泄漏检测 水听器 时间卷积网络 一维卷积神经网络
在线阅读 下载PDF
基于1D-CNN的射频强度温度传感研究
4
作者 丁美琪 桂林 +3 位作者 王子怡 尚荻森 钱敏 李乾坤 《光通信研究》 北大核心 2025年第2期99-104,共6页
【目的】文章研究了基于一维卷积神经网络(1D-CNN)的微波光子滤波器(MPF)在射频(RF)强度温度传感中的应用,以提高温度传感的精度和效率。【方法】文章实验搭建了基于马赫-曾德尔干涉仪(MZI)结构的MPF系统,通过改变环境温度,采集了在陷... 【目的】文章研究了基于一维卷积神经网络(1D-CNN)的微波光子滤波器(MPF)在射频(RF)强度温度传感中的应用,以提高温度传感的精度和效率。【方法】文章实验搭建了基于马赫-曾德尔干涉仪(MZI)结构的MPF系统,通过改变环境温度,采集了在陷波深度为8.1 dB条件下20~70℃的RF谱数据,每个温度条件下采集30组数据,然后采用贪心策略设计并优化1D-CNN结构,确定网络层数、卷积核大小、池化核大小以及激活函数类型。利用训练集数据对模型进行训练,并使用测试集数据进行验证,优化模型参数以获得最佳性能。利用其非线性映射能力从RF谱数据中提取特征,实现RF强度与温度变化的高精度解调。最后采用均方根误差(RMSE)作为评价指标,并将1D-CNN的性能与传统算法(最值法、质心法和高斯拟合法)进行对比,分析其在不同温度条件下的性能。【结果】实验结果表明,基于1D-CNN预测模型的RMSE达到了10-3量级,而传统算法的RMSE通常在10-1量级。与传统高斯拟合算法相比,基于1D-CNN的算法解调速度提高了2.72倍。1D-CNN在不同温度条件下均表现出较高的稳定性和较低的误差。【结论】1D-CNN在处理复杂的非线性关系和特征提取方面具有显著优势,不仅在计算效率和鲁棒性方面表现优越,还能有效应对噪声和环境的干扰。文章的研究为MPF在RF强度温度传感领域的应用提供了新的思路和方法。 展开更多
关键词 一维卷积神经网络 微波光子滤波器 光纤传感 温度传感 射频强度
在线阅读 下载PDF
基于ECA-1D-CNN的TDLAS的静脉用药浓度定量分析方法研究
5
作者 朱永炳 蔡玉琴 +4 位作者 蒋力耀 雷春 滕龙 王德旺 陶治 《光谱学与光谱分析》 北大核心 2025年第5期1341-1347,共7页
静脉用药溶质浓度的定量分析一直是静配中心药物检测的研究热点,但常规的调配和复核手段都是借助人工操作,存在药液浓度把控受限、人工复核压力繁重且低效等问题,因此提出一种对静脉药物溶质浓度准确、便捷、无损的检测方法显得至关重... 静脉用药溶质浓度的定量分析一直是静配中心药物检测的研究热点,但常规的调配和复核手段都是借助人工操作,存在药液浓度把控受限、人工复核压力繁重且低效等问题,因此提出一种对静脉药物溶质浓度准确、便捷、无损的检测方法显得至关重要。由于传统的近红外光谱对低浓度液体检测有一定局限性,基于可调谐激光吸收光谱技术(TDLAS),研究了了一种基于高效注意力机制一维卷积神经网络(ECA-1D-CNN)的葡萄糖混合溶液浓度定量检测模型。为检测低浓度葡萄糖混合溶液,以TDLAS技术为基础,选择光强吸收率最高的980 nm波段作为激光器光源,通过光电传感器,获取药物浓度的透射光强信号,由锁相放大模块解调为二次谐波信号得到一共600个不同浓度的自建数据集,将样本按8∶2的比例划分为训练集和测试集。以600个药物浓度透射光强的二次谐波信号作为研究对象,采用ECA-1D-CNN进行葡萄糖混合溶液浓度的定量检测。该模型共有4个卷积层,均采用Relu激活函数激活,每个卷积层后添加1个BN层,每两个卷积层添加1个池化层,在第2个池化层后添加1个ECA,可以帮助网络模型更好地学习特征之间的关系,减少参数数量和改善模型的鲁棒性。首先,为了凸显1D-CNN模型的优势,使用相同的原始数据集在PCR、SVR、PLSR上进行建模并对比4种不同模型的预测效果。其次,在6种不同数据预处理的基础上,将ECA-1D-CNN模型与1D-CNN模型进行对比,以决定系数R2、绝对误差MAE、均方根误差RMSE作为评价指标来分析预测模型的泛化能力。结果表明,SG+Normalization预处理下的ECA-1D-CNN模型效果最优,该方法能够对6~30 mg·100 mL^(-1)的葡萄糖混合溶液浓度进行有效预测,其模型训练集R2可达到0.998,MAE为0.295,RMSE为0.343,测试集的R^(2)可达到0.993,MAE为0.498,RMSE为0.691。采用所提出的方法可以精准的预测静脉用药溶质的浓度,为智能化静配中心的无损检测提供了新的思路以及应用价值。 展开更多
关键词 葡萄糖混合溶液 TDLAS 一维卷积神经网络 高效通道注意力机制
在线阅读 下载PDF
基于改进1D-CNN的轨道交通配电网馈线系统故障诊断模型研究
6
作者 赵晓震 顾湘龙 +3 位作者 苏醒 周全 李奎 宋金川 《中国铁道科学》 北大核心 2025年第5期193-202,共10页
针对轨道交通馈线系统中继电保护装置动作故障诊断耗时长且依赖专家经验的现状,提出1种基于生成对抗网络增强的合成少数类过采样技术(SMOTE-GAN)和组合麻雀搜索算法(CSSA)优化的一维卷积神经网络(1D-CNN)故障诊断模型SG-CSSA-1D-CNN。首... 针对轨道交通馈线系统中继电保护装置动作故障诊断耗时长且依赖专家经验的现状,提出1种基于生成对抗网络增强的合成少数类过采样技术(SMOTE-GAN)和组合麻雀搜索算法(CSSA)优化的一维卷积神经网络(1D-CNN)故障诊断模型SG-CSSA-1D-CNN。首先,通过SMOTE生成局部理想的少数类样本作为生成对抗网络(GAN)生成器的输入,融合SMOTE的局部插值优势与GAN的全局分布学习能力,解决原始样本不足及生成样本质量不高的问题;其次,采用引入Tent混沌序列和高斯变异机制的CSSA算法提升全局寻优效率,实现1D-CNN最优超参数的自动搜索,优化模型分类性能;最后,基于包含18个电气特征的9类故障实际数据集,构建故障诊断模型。结果表明:与原始1D-CNN模型相比,优化后的模型损失降低12.5%,其诊断准确率提升至98.46%,9类故障分类精度达到均衡。该方法可有效解决类别不平衡数据下的故障识别难题,并显著提升继电保护装置动作故障的识别可靠性。 展开更多
关键词 轨道交通 馈线系统故障诊断 SMOTE-GAN融合算法 组合麻雀优化算法 一维卷积神经网络
在线阅读 下载PDF
基于1D-CNN和Transformer模型的道岔健康状态预测
7
作者 陈俊竹 陈光武 +1 位作者 石建强 邢东峰 《北京交通大学学报》 北大核心 2025年第3期33-43,共11页
针对目前铁路道岔故障率高、维护效率低、健康状态难以预测等问题,以S700K型道岔转辙机为研究对象,提出一种基于一维卷积神经网络(One-dimensional Convolutional Neural Net-work,1D-CNN)和Transformer模型结合的道岔健康状态预测方法... 针对目前铁路道岔故障率高、维护效率低、健康状态难以预测等问题,以S700K型道岔转辙机为研究对象,提出一种基于一维卷积神经网络(One-dimensional Convolutional Neural Net-work,1D-CNN)和Transformer模型结合的道岔健康状态预测方法.首先,采用1D-CNN对原始数据进行特征提取,训练得到10组特征;然后,通过特征评价选择其中最能反映道岔健康状态的5组特征,利用它们与道岔功率曲线的健康标签值共同进行Transformer模型训练,得到预测的健康指数;最后,为评估道岔转辙设备的健康状态,采用Fisher最优分割算法对健康阶段进行划分,确定最优健康阶数为3,并针对不同健康阶段的维护工作给出指导性意见.研究结果表明:1D-CNN和Transformer模型的结合具有较为突出的预测效果与泛化能力,Transformer模型较门控循环单元(Gated Recurrent Unit,GRU)、长短期记忆网络(Long Short-Term Memory,LSTM)等常用模型在处理长时间序列数据时具有更好的表现,采用所提组合模型能得到更为准确的道岔健康状态预测结果,其平均绝对误差(Mean Absolute Error,MAE)、均方根误差(Root Mean Square Error,RMSE)较1D-CNN和LSTM的组合模型分别减小31.2%、30.5%. 展开更多
关键词 铁路道岔 一维卷积神经网络 Transformer模型 健康状态预测 Fisher最优分割
在线阅读 下载PDF
基于1D-CNN的油田注水泵振动故障智能诊断及应用 被引量：2
8
作者 魏诚 胡志才 +4 位作者 李周建 李志伟 陈建功 赵亦凡 胡海军 《化工自动化及仪表》 CAS 2024年第6期1095-1100,共6页
针对油田无人值守站点注水泵故障智能诊断的问题,提出了一种基于一维卷积神经网络(1DCNN)的振动信号故障诊断模型。利用1D-CNN对时域信号特征进行提取和重组,将重组信号作为故障诊断模型的输入并进行故障分类。研究结果表明,基于1D-CNN... 针对油田无人值守站点注水泵故障智能诊断的问题,提出了一种基于一维卷积神经网络(1DCNN)的振动信号故障诊断模型。利用1D-CNN对时域信号特征进行提取和重组,将重组信号作为故障诊断模型的输入并进行故障分类。研究结果表明,基于1D-CNN的故障诊断模型对现场故障信号的识别精确率达97.00%,表明该模型能有效诊断注水泵关键部件的故障,保障油田生产安全和经济效益。 展开更多
关键词 振动故障 故障诊断 1d-cnn 注水泵 油田
在线阅读 下载PDF
基于SMOTE的IFOX-1D-CNN变压器故障诊断模型 被引量：2
9
作者 王家军 景诗毅 +2 位作者 姚雨 陈焰 李波 《煤矿机械》 2024年第4期176-180,共5页
为了均衡油浸式变压器样本数据集,提高故障诊断精度,提出了基于合成少数类过采样技术(SMOTE)的改进狐狸(IFOX)算法优化一维卷积神经网络(1D-CNN)变压器故障诊断模型。首先,通过SMOTE均衡变压器样本数据集;其次,针对狐狸(FOX)算法种群初... 为了均衡油浸式变压器样本数据集,提高故障诊断精度,提出了基于合成少数类过采样技术(SMOTE)的改进狐狸(IFOX)算法优化一维卷积神经网络(1D-CNN)变压器故障诊断模型。首先,通过SMOTE均衡变压器样本数据集;其次,针对狐狸(FOX)算法种群初始化非均匀与寻优过程中易陷入局部最优解的缺陷,采用混沌映射、Levy飞行策略对其进行改进,并利用IFOX优化1D-CNN的学习率、卷积核大小、卷积核数量、全连接层神经元数量等超参数,建立IFOX-1D-CNN模型。实验结果表明,该模型在油浸式变压器故障诊断中具有较好的收敛性与较高的诊断精度。 展开更多
关键词 油浸式变压器 故障诊断 SMOTE IFOX 1d-cnn
原文传递
基于注意力机制与1D-CNN-Bi-GRU的MEMS陀螺仪降噪方法研究
10
作者 王宁 武雷 +2 位作者 强敏利 王凯 郭英超 《科技创新与应用》 2024年第26期37-41,共5页
为降低MEMS陀螺仪输出信号噪声,提出一种基于注意力机制和1D-CNN-Bi-GRU的MEMS陀螺仪误差补偿方法。首先通过1D-CNN网络进行陀螺时序数据特征提取,然后采用Bi-GRU网络进行特征分析,最后利用注意力机制进行数据权重分配。实验结果表明,... 为降低MEMS陀螺仪输出信号噪声,提出一种基于注意力机制和1D-CNN-Bi-GRU的MEMS陀螺仪误差补偿方法。首先通过1D-CNN网络进行陀螺时序数据特征提取,然后采用Bi-GRU网络进行特征分析,最后利用注意力机制进行数据权重分配。实验结果表明,与对照方法相比,该文方法噪声平均值减少57.03%和47.8%,噪声方差减少81.07%和73.01%,表明该文方法具有一定优势,具有较好的误差补偿效果。 展开更多
关键词 MEMS陀螺仪 降噪 1d-cnn Bi-GRU 注意力机制
在线阅读 下载PDF
基于1D-CNN提取Cl2紫外吸收谱特征的浓度反演方法研究
11
作者 贾彤华 程光旭 +3 位作者 杨嘉聪 陈昇 王海容 胡海军 《光谱学与光谱分析》 SCIE EI CAS CSCD 北大核心 2024年第11期3109-3119,共11页
开放环境下氯气泄漏的准确检测一直是氯碱生产企业亟待解决的难题,差分吸收光谱技术(DOAS)可以实现大气中的污染气体的痕量远距离测量,而氯气的紫外吸收光谱呈现“慢变化”的特征,无法用差分的方法分离吸收特征与噪声信号。提出了一种... 开放环境下氯气泄漏的准确检测一直是氯碱生产企业亟待解决的难题,差分吸收光谱技术(DOAS)可以实现大气中的污染气体的痕量远距离测量,而氯气的紫外吸收光谱呈现“慢变化”的特征,无法用差分的方法分离吸收特征与噪声信号。提出了一种基于一维卷积神经网络(1D-CNN)的氯气浓度反演算法来充分利用光谱信息,通过逐层提取氯气的吸收特征,解决了传统算法容易受噪声干扰导致反演精度下降的问题。与常用的最小二乘法(LS)、多层感知机(MLP)、支持向量机(SVR)和k近邻(KNN)方法相比,该算法的反演结果相比实测数据的准确度最高(R2=0.996,RMSE=4.40,MAE=2.64,SMAPE=8.51%)。由于系统中不可避免的随机噪声会对检测产生干扰,对比了S-G滤波、傅里叶变换、奇异值分解和小波变换分解算法的预处理效果。结果表明,S-G滤波和小波分解算法可以在去除噪声的同时保留氯气的吸收特征信息,进一步提高氯气浓度反演模型的性能。所提出的浓度反演算法为实现开放环境下氯气泄漏的远距离定量检测提供了新的可行方法。 展开更多
关键词 氯气泄漏 远程检测 差分吸收光谱技术 深度学习 一维卷积神经网络
在线阅读 下载PDF
声振信号联合1D-CNN的大型电机故障诊断方法 被引量：15
12
作者 赵书涛 王二旭 +2 位作者 陈秀新 王科登 李小双 《哈尔滨工业大学学报》 EI CAS CSCD 北大核心 2020年第9期116-122,共7页
针对复杂运行环境下大功率电动机故障诊断准确率不高、算法泛化能力差的问题,提出一种声振信号联合一维卷积神经网络(1D-CNN)故障诊断方法.首先对采集到的声信号采用背景噪声库联合稀疏表示去除噪声,然后将声音信号进行带通滤波(7~20 kH... 针对复杂运行环境下大功率电动机故障诊断准确率不高、算法泛化能力差的问题,提出一种声振信号联合一维卷积神经网络(1D-CNN)故障诊断方法.首先对采集到的声信号采用背景噪声库联合稀疏表示去除噪声,然后将声音信号进行带通滤波(7~20 kHz),叠加低频振动信号(7 kHz内)形成频带更完整的电动机状态表征信息.再对经过滤波提纯处理后的信息进行重叠式数据扩容,获取1D-CNN训练所需大量数据.最后将数据样本输入1D-CNN进行学习训练,采用局部均值归一化(local response normalization,LRN)和核函数去相关性改进1D-CNN模型结构,降低抽油机正负半周工况波动对电动机诊断准确性的影响.诊断结果表明:声振信号联合分析的卷积神经网络故障诊断总体诊断准确率达到了97.75%,泛化能力好,与传统的电动机故障诊断方法相比优势明显. 展开更多
关键词 电动机 声振联合 1d-cnn 稀疏表示 数据扩容 故障诊断 泛化能力
在线阅读 下载PDF
基于1D-CNN的土壤全氮近红外光谱预测模型 被引量：4
13
作者 秦文虎 董凯月 邓志超 《土壤》 CAS CSCD 北大核心 2023年第6期1347-1353,共7页
于江苏无锡采集410个土壤样品测定土壤全氮含量,并在室内进行土壤样品光谱检测,用均值中心化、标准正态变换和趋势校正对光谱进行预处理,再运用偏最小二乘回归(PLS)、反向传播(BP)神经网络和一维卷积神经网络(1D-CNN)方法建立土壤全氮... 于江苏无锡采集410个土壤样品测定土壤全氮含量,并在室内进行土壤样品光谱检测,用均值中心化、标准正态变换和趋势校正对光谱进行预处理,再运用偏最小二乘回归(PLS)、反向传播(BP)神经网络和一维卷积神经网络(1D-CNN)方法建立土壤全氮含量的回归预测模型。同时,每种模型在采用不同预处理方法的数据集上做十折交叉验证,记录预测模型的决定系数(R^(2))和均方根误差(RMSE)的平均值,对比3种预处理方法对模型精度的影响。结果表明:本研究基于土壤近红外光谱数据构建的1D-CNN模型预测土壤全氮含量结果可靠。使用原始数据与经均值中心化、标准正态变换、趋势校正预处理的数据训练得到的1D-CNN模型的R^(2)分别为0.907、0.931、0.922、0.964,而PLS模型R^(2)分别为0.856、0.863、0.861、0.880,BP神经网络模型的R^(2)分别为0.874、0.907、0.901、0.911。1D-CNN模型在原始数据和经预处理的光谱数据上的表现均优于PLS和BP神经网络模型,对光谱数据进行预处理能够有效提高1D-CNN模型的性能,尤其是趋势校正对模型的提升效果最明显。因此,1D-CNN能更好地提取光谱特征并建立其与含氮量的映射关系,有效地避免过拟合,在未经过预处理的光谱数据上依然能够达到一定的精度。 展开更多
关键词 近红外光谱 全氮含量 光谱预处理 1d-cnn
在线阅读 下载PDF
基于改进CEEMD和多域特征融合的1D-CNN降雹量级识别算法 被引量：2
14
作者 李鹏 杨山山 +3 位作者 徐文校 陈守静 于心远 徐永杰 《电子测量技术》 北大核心 2022年第17期134-143,共10页
为便于分析冰雹对社会生产造成的灾害影响,需要对降雹量级进行分类统计,对降雹量级进行定量分析,不仅可以为灾害评估提供依据,还可以对气象预报、虚报现象做出反馈。本文针对降雹声信号提出了一种改进的互补集合经验模态分解(CEEMD)重... 为便于分析冰雹对社会生产造成的灾害影响,需要对降雹量级进行分类统计,对降雹量级进行定量分析,不仅可以为灾害评估提供依据,还可以对气象预报、虚报现象做出反馈。本文针对降雹声信号提出了一种改进的互补集合经验模态分解(CEEMD)重构算法,重构后的信号最大程度地保持原有时域特征,也能对降雹声信号去噪处理。其次设计了一种多域特征融合1D-CNN模型,将重构后的原始数据、时域特征和频域特征分别作为1D-CNN的输入,在中间层进行特征拼接,最后输出分类器,结果显示本文设计的多域特征融合1D-CNN对降雹量级的识别率高达99.58%,相比于原始数据与传统1D-CNN模型识别率提高了8.75%。 展开更多
关键词 降雹量级 互补集合经验模态分解 特征提取 1d-cnn
原文传递
基于残差连接和1D-CNN的滚动轴承故障诊断研究 被引量：44
15
作者 赵敬娇 赵志宏 杨绍普 《振动与冲击》 EI CSCD 北大核心 2021年第10期1-6,共6页
针对滚动轴承故障诊断人工提取特征困难、浅层诊断模型性能差的问题,提出一种基于残差连接的一维卷积神经网络(1D-CNN)的深层轴承故障诊断模型。将原始轴承振动信号输入网络中,利用具有残差连接的多个一维卷积层自动提取特征,残差连接... 针对滚动轴承故障诊断人工提取特征困难、浅层诊断模型性能差的问题,提出一种基于残差连接的一维卷积神经网络(1D-CNN)的深层轴承故障诊断模型。将原始轴承振动信号输入网络中,利用具有残差连接的多个一维卷积层自动提取特征,残差连接能够在提取深层特征信息的同时将浅层提取的特征信息保留下来,与无残差连接的一维卷积网络相比能获得更丰富的轴承信号特征信息,并输入到Softmax层进行分类,输出轴承振动信号的故障类型。该研究通过不同残差网络结构模型的设计,验证具有残差连接的1D-CNN的网络模型在轴承故障诊断的有效性。试验结果表明,残差连接能有效提高轴承故障诊断的准确率。 展开更多
关键词 一维卷积神经网络(1d-cnn) 残差连接 轴承故障诊断
在线阅读 下载PDF
一种1D-CNN与多传感器信息融合的液压系统故障诊断方法 被引量：11
16
作者 陈书辉 章猛 +1 位作者 刘辉 张超勇 《机械科学与技术》 CSCD 北大核心 2023年第5期715-723,共9页
针对液压信号复杂且难以诊断的难点,提出一种多尺度一维卷积神经网络与多传感器信息融合的深度神经网络模型(MS1D-CNN-MSIF)对液压泵与蓄能器进行故障诊断。在提出方法中,采用不同大小的卷积核对故障信号进行多尺度特征提取;然后使用多... 针对液压信号复杂且难以诊断的难点,提出一种多尺度一维卷积神经网络与多传感器信息融合的深度神经网络模型(MS1D-CNN-MSIF)对液压泵与蓄能器进行故障诊断。在提出方法中,采用不同大小的卷积核对故障信号进行多尺度特征提取;然后使用多传感器信息融合策略将多个传感器的特征信号进行融合,最后使用Softmax进行分类识别。诊断蓄能器压力状态与液压泵泄漏状态的实验结果表明,与支持向量机、堆栈自编码、深度置信网络比较,提出模型具有更好的故障诊断性能,蓄能器识别精度可达99.50%,液压泵识别精度可达99.73%。 展开更多
关键词 1d-cnn 多尺度卷积 多传感器信息融合 液压泵 蓄能器 深度神经网络
在线阅读 下载PDF
基于mini-1D-CNN模型的TE过程故障诊断 被引量：3
17
作者 杨余 杨鑫 +2 位作者 王英 翟持 张浩 《中国安全科学学报》 CAS CSCD 北大核心 2023年第2期173-178,共6页
为提升石化企业过程监测与故障诊断系统性能,满足化工过程故障诊断实时性、时效性的要求,提出一种基于过程历史数据驱动的最小一维卷积神经网络(mini-1D-CNN)的故障诊断模型。首先,通过一维卷积核学习和识别不同故障类型的数据特征,自... 为提升石化企业过程监测与故障诊断系统性能,满足化工过程故障诊断实时性、时效性的要求,提出一种基于过程历史数据驱动的最小一维卷积神经网络(mini-1D-CNN)的故障诊断模型。首先,通过一维卷积核学习和识别不同故障类型的数据特征,自动提取优势特征并进行故障分类;其次,通过逐步向后回归选择重要特征参数,优化模型结构。利用可实时获取的31个过程变量与操作参数,输入一维卷积神经网络(1D-CNN),监测与诊断田纳西-伊斯曼(TE)过程的主要故障。结果表明:相对于其他故障诊断模型,mini-1D-CNN模型在测试集上故障诊断率(FDR)较高,可达到96.50%;同时,mini-1D-CNN模型关注于TE过程故障诊断的重要特征参数,在降低参数量及降低训练和测试时间上具有显著优势。 展开更多
关键词 最小一维卷积神经网络(mini-1d-cnn) 田纳西-伊斯曼(TE)过程 故障诊断 过程监测 贡献系数
原文传递
基于Teager能量算子和1D-CNN的HVDC输电线路故障识别方法 被引量：22
18
作者 王桥梅 吴浩 +2 位作者 杨杰 李栋 刘益岑 《智慧电力》 北大核心 2021年第5期93-100,共8页
针对HVDC输电线路故障识别率低,远端高阻故障识别困难等问题,提出基于Teager能量算子和1DCNN的HVDC输电线路故障识别方法。该方法利用保护安装处测得的线模分量Teager能量算子和输电线路两侧正负极电流突变量能量比值组成特征向量,利用1... 针对HVDC输电线路故障识别率低,远端高阻故障识别困难等问题,提出基于Teager能量算子和1DCNN的HVDC输电线路故障识别方法。该方法利用保护安装处测得的线模分量Teager能量算子和输电线路两侧正负极电流突变量能量比值组成特征向量,利用1D-CNN对特征向量集进行训练和测试,同时实现区内外故障判和故障极选择。仿真实验表明该方法能在不同故障距离和不同过渡电阻情况下有效实现区内外故障识别和故障极选择,采样率能满足现有实际工程需要,具有较强的耐受过渡电阻能力。 展开更多
关键词 HVDC 输电线路 TEAGER能量算子 1d-cnn 故障识别
在线阅读 下载PDF
基于全矢1D-CNN的轴承故障诊断研究 被引量：4
19
作者 谢远东 雷文平 韩捷 《设备管理与维修》 2019年第15期21-24,共4页
主要研究了卷积神经网络(CNN)和轴承故障诊断领域中的特征相结合,提出了全矢1D-CNN轴承故障方法,不但对于原故障信号数据集进行了数据增强,而且使用深度拟合器对于数据集特征深度提取。经过试验验证了全矢1D-CNN在轴承故障识别中不但可... 主要研究了卷积神经网络(CNN)和轴承故障诊断领域中的特征相结合,提出了全矢1D-CNN轴承故障方法,不但对于原故障信号数据集进行了数据增强,而且使用深度拟合器对于数据集特征深度提取。经过试验验证了全矢1D-CNN在轴承故障识别中不但可以取得较高的准确率,而且鲁棒性也符合特征提取的要求。 展开更多
关键词 全矢谱 1d-cnn 特征提取
在线阅读 下载PDF
基于1D-CNN的采煤机摇臂齿轮故障诊断 被引量：7
20
作者 牛乃平 张小刚 丁华 《煤矿机械》 北大核心 2020年第11期148-150,共3页
现有的采煤机摇臂齿轮故障诊断方法主要依赖于人工特征提取,自主学习能力弱,在复杂的工作环境下缺乏自适应性,导致故障诊断精度差。针对此缺陷,构建了作用于时域振动信号的一维卷积神经网络(1D-CNN)故障诊断模型。模型主要由3个卷积层、... 现有的采煤机摇臂齿轮故障诊断方法主要依赖于人工特征提取,自主学习能力弱,在复杂的工作环境下缺乏自适应性,导致故障诊断精度差。针对此缺陷,构建了作用于时域振动信号的一维卷积神经网络(1D-CNN)故障诊断模型。模型主要由3个卷积层、3个池化层和全连接层组成,并且通过dropout策略和批量归一化(BN)进行了局部改进。在实验中,首先对采煤机摇臂齿轮的振动信号进行数据增强,然后对1D-CNN模型进行训练、验证和测试,最后通过准确率、混淆矩阵和分类过程可视化等分析方法对实验结果进行了探讨。实验结果表明,1D-CNN模型有效地提高了采煤机摇臂齿轮的故障分类精度,达到98.60%,为采煤机摇臂的智能故障诊断奠定了理论基础。 展开更多
关键词 故障诊断 1d-cnn 采煤机 摇臂 齿轮
原文传递
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 … 6 下一页 到第 页
使用帮助 返回顶部