基于DC-CNN-PE-SSA-Informer的电缆缆芯温度预测研究 被引量：2

1

作者 鲍克勤 赵欣妍 +2 位作者 刘擘 王仕博 郝海斌 《昆明理工大学学报(自然科学版)》 北大核心 2025年第2期116-125,共10页

针对电缆缆芯温度不易直接测量,且预测精确度不足的问题,本文提出了DC-CNN-PE-SSA-Informer混合预测模型,该模型利用扩展因果卷积网络(DC-CNN)增强对时间序列数据局部特征的捕捉能力,并将提取的特征传递至Informer模块以捕获长期依赖关... 针对电缆缆芯温度不易直接测量,且预测精确度不足的问题,本文提出了DC-CNN-PE-SSA-Informer混合预测模型,该模型利用扩展因果卷积网络(DC-CNN)增强对时间序列数据局部特征的捕捉能力,并将提取的特征传递至Informer模块以捕获长期依赖关系,通过引入相对位置编码(PE)加强Informer模型对时间序列中相对位置信息的捕捉能力,最后由麻雀搜索算法(SSA)进行参数优化。通过对电缆温度场进行有限元分析,求解出不同条件下的缆芯温度作为仿真实验的样本数据。仿真结果表明,DC-CNN-PE-SSA-Informer模型相比常见的预测模型在电缆缆芯温度预测方面具有更高的预测精度,为电力调度的运行方式提供了依据。 展开更多

关键词 电力电缆 温度预测 扩展因果卷积网络(dc-cnn) INFORMER 麻雀搜索算法(SSA) 位置编码(PE)

原文传递

基于DC-CNN的电子伪装语音还原研究 被引量：5

2

作者 王永全 施正昱 张晓 《计算机科学》 CSCD 北大核心 2019年第8期183-188,共6页

针对电子伪装语音还原研究在还原模型的构建方面并无突破性进展的状况,提出了一种基于扩大的因果卷积神经网络(Dilated Casual-Convolution Neural Network,DC-CNN)的电子伪装语音还原模型。该还原模型以DC-CNN为框架,对电子伪装语音历... 针对电子伪装语音还原研究在还原模型的构建方面并无突破性进展的状况,提出了一种基于扩大的因果卷积神经网络(Dilated Casual-Convolution Neural Network,DC-CNN)的电子伪装语音还原模型。该还原模型以DC-CNN为框架,对电子伪装语音历史采样点的声学信息与还原因子进行卷积和非线性映射运算。同时模型的神经网络采用跃层连接技术以优化深层传递,再经过压扩转换后输出还原语音。该模型具有非线性映射性、扩展性、多适应性与条件性、并发性等明显特点。在实验分析中,以3个基本变声功能:音调(pitch)、节拍(tempo)和速度(rate)对钢琴曲和英文语音分别进行电子伪装变声处理,再经模型还原,将还原语音与原始语音进行声纹特征比对、LPC数据分析和语音同一性的人耳测听辨识,结果表明,还原语音与原始语音的声纹特征十分吻合,且实现了高质量的共振峰波形复原,钢琴曲和英文语音的共振峰参数总体还原拟合率分别达到79.03%和79.06%,远超电子伪装语音与原始语音35%的相似比例,这说明该模型能有效削减语音中的电子伪装特征,较好地实现了电子伪装的钢琴曲和英文语音的还原。 展开更多

关键词 dc-cnn 电子伪装语音 还原语音 还原因子 门激活单元

在线阅读 下载PDF 职称材料

基于GSABO-VMD-CNN-BiLSTM模型的电力电子电路软故障诊断

3

作者 范皖北 姜媛媛 《湖北民族大学学报(自然科学版)》 2025年第2期259-265,共7页

针对传统电力电子电路软故障诊断中信号特征不足且含噪声导致准确性不高的问题,提出了基于融合黄金正弦的自适应反向传播优化-变分模态分解-卷积神经网络-双向长短期记忆(golden sine adaptive backpropagation optimization-variationa... 针对传统电力电子电路软故障诊断中信号特征不足且含噪声导致准确性不高的问题,提出了基于融合黄金正弦的自适应反向传播优化-变分模态分解-卷积神经网络-双向长短期记忆(golden sine adaptive backpropagation optimization-variational mode decomposition-convolutional neural network-bidirectional long short-term memory, GSABO-VMD-CNN-BiLSTM)模型的电力电子电路软故障诊断方法。首先,运用GSABO算法优化VMD参数,以解决模态混叠和端点效应问题。然后,结合最小包络熵和最小排列熵构建复合适应度函数,并利用小波阈值函数进行去噪,从而提升数据质量。最后,提取时域特征输入CNN-BiLSTM模型,完成故障诊断。通过对150 W的Boost电路进行实验验证,结果显示,该模型的准确率达到了99.58%,并在不同信噪比下的准确率、召回率等指标上均有不错的表现。该模型能够有效应用于电力电子电路软故障诊断。 展开更多

关键词 DC/DC电路 变分模态分解 小波阈值 复合适应度函数 CNN-BiLSTM

在线阅读 下载PDF 职称材料

DCS控制器中先导式泄压阀异常泄漏信号检测

4

作者 党红强 《机械设计与制造工程》 2025年第9期103-107,共5页

针对先导式泄压阀异常泄漏问题,提出了一种基于DCS控制器的CNN-LSTM模型用于异常信号检测。首先利用变分模态分解(VMD)技术对泄压阀的电压信号进行分解,提取关键特征参数。再通过CNN-LSTM模型结合注意力机制对这些特征参数进行分析,以... 针对先导式泄压阀异常泄漏问题,提出了一种基于DCS控制器的CNN-LSTM模型用于异常信号检测。首先利用变分模态分解(VMD)技术对泄压阀的电压信号进行分解,提取关键特征参数。再通过CNN-LSTM模型结合注意力机制对这些特征参数进行分析,以识别异常泄漏信号。结果显示,CNN-LSTM模型平均绝对误差、均方误差以及均方根误差分别为1.58%、1.89%以及1.37%,相对于联合检测法分别降低了2.01%、6.98%以及1.61%,表明CNN-LSTM模型针对泄压阀异常信号的检测具有较高的精度,可为泄压阀信号的检测提供数据支撑。 展开更多

关键词 DCS控制器 先导式泄压阀 异常信号检测 卷积神经网络-长短期记忆

在线阅读 下载PDF 职称材料

基于CNN的OCR技术在核电厂DCS系统测试中的应用和实现

5

作者 何进松 蒋磊 《核科学与工程》 CAS CSCD 北大核心 2024年第3期543-550,共8页

核电厂分布式控制系统(DCS)的输入/输出模块在运行期间,随着电子器件性能下降以及时漂的影响,需要定期进行进度复测和校准。针对传统的DCS输入/输出通道测试覆盖率不足,测试效率低及人因问题,本文提出一种基于卷积神经网络(CNN)的光学... 核电厂分布式控制系统(DCS)的输入/输出模块在运行期间,随着电子器件性能下降以及时漂的影响,需要定期进行进度复测和校准。针对传统的DCS输入/输出通道测试覆盖率不足,测试效率低及人因问题,本文提出一种基于卷积神经网络(CNN)的光学字符识别(OCR)技术应用在DCS系统的在线测试方法。通过模拟设备和视频采集设备完成画面的自动切换,并读取画面信息,截取特定画面后对其图像预处理,再使用OCR识别模型识别画面内容,将得到的识别结果与期望值进行比较判断,从而实现自动化测试。测试结果表明,通过CNN训练后,显控设备画面字符识别率能达到100%,该方法可以突破设备厂家的专有通信协议的壁垒,可有效降低操作员的人因失误,提升测试效率和核电厂的经济性。 展开更多

关键词 分布式控制系统 卷积神经网络 光学字符识别 自动化测试

在线阅读 下载PDF 职称材料

基于CNN-A-BiLSTM的无刷直流电机故障诊断方法研究 被引量：3

6

作者 覃仕明 马鹏 《计算机测量与控制》 2024年第9期118-124,148,共8页

无刷直流电机是大型设备重要的动力装置之一,电机的运行状态与设备的运行状态高度一致;但当前现有的电机故障诊断方法难以在多电机或存在电磁干扰的环境下对电机做出准确的状态判断;为了实现复杂环境的无刷直流电机状态诊断,研究融合了... 无刷直流电机是大型设备重要的动力装置之一,电机的运行状态与设备的运行状态高度一致;但当前现有的电机故障诊断方法难以在多电机或存在电磁干扰的环境下对电机做出准确的状态判断;为了实现复杂环境的无刷直流电机状态诊断,研究融合了卷积神经网络算法和长短期记忆网络算法;研究通过长短期记忆网络算法的双向传播捕捉复杂环境对电机的影响特征,从而提高模型的诊断精准度;实验结果表明,提出模型在机电设备故障诊断数据集上的平均收敛时间为8.91 min,在电机故障数据集上的平均收敛时间为12.66 min,收敛时间均低于同组对照模型;其次提出模型的F_(1)值为94.17%,比对照模型分别高出4.87%和7.46%;此外,在对电机故障前后电压检测情况对比中,提出模型对电机故障发生时的检测结果更为详细;根据实验结果可以得出,研究提出的电机诊断模型具有优秀的性能,满足电机诊断行业的精准度需求。 展开更多

关键词 卷积神经网络 无刷直流电机 长短期记忆网络 激活函数 故障诊断

在线阅读 下载PDF 职称材料

WordNG-Vec:一种应用于CNN文本分类的词向量模型 被引量：6

7

作者 王勇 何养明 +2 位作者 邹辉 黎春 陈荟西 《小型微型计算机系统》 CSCD 北大核心 2019年第3期499-502,共4页

文本特征提取(文本输入表示)作为文本分类技术的要点,其构建质量直接影响着分类系统的分类效果.现在最流行的文本输入表示——词向量(Word Vector)虽然考虑了词的相似性但忽略了局部词序特征,在一些情况下造成文本语义上的缺失和歪曲.为... 文本特征提取(文本输入表示)作为文本分类技术的要点,其构建质量直接影响着分类系统的分类效果.现在最流行的文本输入表示——词向量(Word Vector)虽然考虑了词的相似性但忽略了局部词序特征,在一些情况下造成文本语义上的缺失和歪曲.为此,本文提出了一种结合N-Gram特征与Word2vec的词向量模型WordNG-Vec,其提取出的词向量(Word-NG向量),作为双通道卷积神经网络模型(DC-CNN)的输入.经过多组对比实验分析表明,在精确率(precision)和召回率(recall)和F1值三个评价指标下,本文提出的方法有效提高文本分类的效果. 展开更多

关键词 文本分类 词向量 dc-cnn N-Gram特征

在线阅读 下载PDF 职称材料

基于卷积神经网络的交直流输电系统故障诊断 被引量：42

8

作者 张大海 张晓炜 +1 位作者 孙浩 和敬涵 《电力系统自动化》 EI CSCD 北大核心 2022年第5期132-140,共9页

随着交直流输电系统规模的不断扩大,电网结构和故障特征愈加复杂,现有故障诊断方法面对复杂电网和超大数据量时难以精准提取故障特征,急需适应性强且准确率高的电网故障诊断方法。为此提出一种基于卷积神经网络(CNN)的电网故障诊断方法... 随着交直流输电系统规模的不断扩大,电网结构和故障特征愈加复杂,现有故障诊断方法面对复杂电网和超大数据量时难以精准提取故障特征,急需适应性强且准确率高的电网故障诊断方法。为此提出一种基于卷积神经网络(CNN)的电网故障诊断方法。首先,通过逐层筛选、逐层增叠的网络构造方式逐步测试,其目的是为了构建充分适应于电网故障诊断的网络结构;然后,利用网络层级优化策略调整训练参数,并以交叉熵最小为目标对深层故障特征进行挖掘;最后,在MATLAB/Simulink平台上搭建交直流输电系统模型,结合t分布随机邻域嵌入(t-SNE)可解释性技术展示诊断效果,通过与传统方法对比证明所提方法能够深度挖掘故障特征且具备很高的诊断准确率。 展开更多

关键词 深度学习 卷积神经网络 交直流输电系统 故障诊断 t分布随机邻域嵌入

在线阅读 下载PDF 职称材料

基于并联CNN-LSTM的弱受端直流输电系统故障诊断 被引量：3

9

作者 陈臣鹏 陈仕龙 +3 位作者 毕贵红 高敬业 赵鑫 李璐 《电机与控制应用》 2022年第6期83-91,共9页

现有的故障诊断手段面对复杂电网时,难以精确提取故障特征,急需适应性强、识别率高的故障诊断方法。鉴于此,提出一种基于压缩感知与并联卷积神经网络(CNN)和长短期记忆网络(LSTM)结合的电网故障诊断方法。搭建永富直流输电系统模型采集... 现有的故障诊断手段面对复杂电网时,难以精确提取故障特征,急需适应性强、识别率高的故障诊断方法。鉴于此,提出一种基于压缩感知与并联卷积神经网络(CNN)和长短期记忆网络(LSTM)结合的电网故障诊断方法。搭建永富直流输电系统模型采集原始故障数据,原始故障数据应用压缩感知原理进行压缩采样,获得压缩域故障信号,以提高网络的计算效率。然后搭建了麻雀搜索算法(SSA)优化的并联CNN-LSTM深度学习模型。通过SSA确定并联CNN-LSTM的网络结构及参数,利用并联CNN-LSTM深度学习模型直接在故障的压缩域挖掘故障波形特征和时序特征,并对故障进行识别。仿真结果表明该模型相较于传统方法具有更高的故障诊断精度。 展开更多

关键词 弱受端直流输电系统 故障诊断 并联卷积神经网络(CNN) 长短期记忆网络(LSTM) 麻雀搜索算法(SSA)

在线阅读 下载PDF 职称材料

基于机器学习的核电厂DCS卡件故障诊断研究 被引量：7

10

作者 汪凡雨 吴一纯 +1 位作者 卜扬 林志强 《自动化仪表》 CAS 2023年第6期5-12,共8页

随着核电厂运行时间的累积,数字化仪控设备的老化问题日益凸显。开关电源电路模块是分布式控制系统(DCS)卡件的关键组成部分。该模块的故障会导致卡件失效,甚至可能破坏核电厂的安全经济运行。针对核电厂某DCS卡件开关电源电路模块,开... 随着核电厂运行时间的累积,数字化仪控设备的老化问题日益凸显。开关电源电路模块是分布式控制系统(DCS)卡件的关键组成部分。该模块的故障会导致卡件失效,甚至可能破坏核电厂的安全经济运行。针对核电厂某DCS卡件开关电源电路模块,开展了基于机器学习的板级故障诊断研究。根据传统机器学习和深度学习,分别开发了粒子群优化(PSO)-支持向量机(SVM)和一维卷积神经网络(1D-CNN)模型。小波包变换用于PSO-SVM模型的电路故障特征提取。基于加速寿命试验获得的电容老化过程数据,通过Saber电路建模仿真采集了开关电源在对应故障模式下的输出电压波形,用于模型的训练和测试。试验结果表明,所开发的故障诊断模型均表现出良好的诊断性能。该研究完成了故障诊断方法的可行性验证,不仅为DCS卡件的预测性维护提供了具有实际工程意义的应用参考,也为后续开展系统级健康管理研究奠定了一定的理论基础。 展开更多

关键词 核电厂 分布式控制系统 铝电解电容 一维卷积神经网络 支持向量机 粒子群优化 故障诊断

在线阅读 下载PDF 职称材料

基于三维空洞卷积和图卷积的高光谱影像分类 被引量：1

11

作者 吕欢欢 白爽 张辉 《光电子．激光》 CAS CSCD 北大核心 2024年第9期971-980,共10页

针对高光谱影像分类任务中标记样本数量有限和多样化特征提取不足导致分类效果不理想的问题,本文提出一种基于三维空洞卷积和图卷积的高光谱影像分类方法(three-dimensional dilated convolutional and graph convolutional network,3D-... 针对高光谱影像分类任务中标记样本数量有限和多样化特征提取不足导致分类效果不理想的问题,本文提出一种基于三维空洞卷积和图卷积的高光谱影像分类方法(three-dimensional dilated convolutional and graph convolutional network,3D-DC-GCN)。首先,引入不同尺度的空洞卷积(dilated convolutional,DC)构建三维空洞卷积网络模型提取多尺度的深度空谱特征;其次,通过聚合图节点的邻域特征建立图卷积神经网络(graph convolutional network,GCN)模型,获取蕴含空间结构的上下文特征;最后,为了提高多样化特征的表示能力,将深层空谱特征与空间上下文特征融合并采用Softmax实现分类。本文所提方法能够充分利用高光谱影像的多样化特征并具有较强的特征学习能力,有效提高了影像的分类精度。在Indian Pines和Pavia University高光谱数据集上将提出方法与7种相关分类方法进行实验对比与分析,结果表明本文方法能够得到最优结果,总体分类精达到99.33%和99.41%。 展开更多

关键词 高光谱影像分类 三维卷积神经网络(3D-CNN) 空洞卷积(DC) 图卷积神经网络(GCN) 特征融合

原文传递