基于特定信息上界的智能电表隐私保护发布

1

作者 刘超 王璐 +2 位作者 梁来明 周慧琼 谭成伟 《计算机应用与软件》 北大核心 2025年第8期48-54,62,共8页

为了同时兼顾隐私保护和数据效用,提出一种基于特定信息上界的智能电表隐私保护发布方法。该文引入一种基于特定信息上界的隐私保护发布训练函数;为了使敏感变量的真实分布和近似分布之间的KL散度最小化,引入适用于深度学习框架的原始... 为了同时兼顾隐私保护和数据效用,提出一种基于特定信息上界的智能电表隐私保护发布方法。该文引入一种基于特定信息上界的隐私保护发布训练函数;为了使敏感变量的真实分布和近似分布之间的KL散度最小化,引入适用于深度学习框架的原始问题的松弛公式。另外,使用深度循环神经网络来捕获和利用智能电表信号的时间相关性。通过实验验证了提出方法能够降低特定隐私目标的失真程度,并能有效保护隐私。 展开更多

关键词 隐私保护 特定信息 智能电表 深度递归神经网络

在线阅读 下载PDF 职称材料

基于深度特征融合网络的电力工程数据对比算法 被引量：1

2

作者 何洁明 何劲熙 《电子设计工程》 2025年第6期39-43,共5页

针对电力工程造价数据集数量少、质量差且难以应用于智能化的招投标数据校核的问题,文中基于改进的迁移学习模型提出了一种电力工程数据对比算法。针对传统迁移学习算法无法训练多重特征数据集的缺陷,采用JMMD函数对联合分布的差异进行... 针对电力工程造价数据集数量少、质量差且难以应用于智能化的招投标数据校核的问题,文中基于改进的迁移学习模型提出了一种电力工程数据对比算法。针对传统迁移学习算法无法训练多重特征数据集的缺陷,采用JMMD函数对联合分布的差异进行度量,从而提高了算法训练的准确性。使用迁移学习算法对传统GAN进行一致性改进,并采用Cycle-GAN对数据进行训练。为了提升算法运行的效率,通过孪生神经网络对不同的输入数据进行预训练,得到自适应参数指导模型的训练。在实验测试中,所提算法运行速度、数据核查准确度在所有对比算法中均为最优,同时加入迁移学习模型后,训练少量样本数据集的性能下降相较原算法更慢,验证了算法改进的有效性。 展开更多

关键词 深度特征融合 深度迁移学习 循环对抗神经网络 孪生神经网络 电力工程数据 数据核查

在线阅读 下载PDF 职称材料

基于深度学习的MPSK信号调制识别 被引量：13

3

作者 刘明骞 郑诗斐 李兵兵 《国防科技大学学报》 EI CAS CSCD 北大核心 2019年第5期153-158,共6页

为了有效实现信号调制方式的智能识别,提出基于深度学习的多进制相移键控(Multiple Phase Shift Keying,MPSK)信号调制识别方法。分析接收MPSK信号的循环谱,并通过提取MPSK信号循环谱的等高图获得二维特征信息,利用深度学习中的卷积神... 为了有效实现信号调制方式的智能识别,提出基于深度学习的多进制相移键控(Multiple Phase Shift Keying,MPSK)信号调制识别方法。分析接收MPSK信号的循环谱,并通过提取MPSK信号循环谱的等高图获得二维特征信息,利用深度学习中的卷积神经网络对二维特征进行训练,使用测试样本对所设计的调制识别方法的有效性进行验证。仿真结果表明,所提方法具有良好的识别性能。 展开更多

关键词 调制识别 循环谱 深度学习 卷积神经网络

在线阅读 下载PDF 职称材料

基于循环卷积神经网络的缺陷图像评判分级系统 被引量：2

4

作者 李长春 赵卫东 《长春师范大学学报》 2021年第4期38-42,共5页

为了解决当前实际场景缺陷图像难识别、缺陷图像库数据庞大而导致标记工作难度大的问题,本文基于自主开发软件标注算法,对大数据缺陷样本库进行半自动标记,并在自主开发软件内完成标记。本文方法基于循环卷积神经网络框架,对标记结果进... 为了解决当前实际场景缺陷图像难识别、缺陷图像库数据庞大而导致标记工作难度大的问题,本文基于自主开发软件标注算法,对大数据缺陷样本库进行半自动标记,并在自主开发软件内完成标记。本文方法基于循环卷积神经网络框架,对标记结果进行学习训练,形成精准识别机制,使其不依赖第三方标注软件。首先,采集大数据缺陷图像,为缺陷识别做好数据训练准备。然后,结合传统视觉检测技术中的图像对比和图像阈值分割,实现初期检测。最后,比较多种深度学习框架的特性,开发了深度学习模型,并将其集成到本文系统中,建立深度神经网络缺陷识别算法。实验测试结果显示,本文系统具有更高的缺陷识别精度与鲁棒性,可为智能缺陷识别设备奠定算法基础。 展开更多

关键词 半自动标记 缺陷图像 图像对比 循环卷积神经网络 深度学习框架

在线阅读 下载PDF 职称材料

基于循环谱和深度神经网络的调制识别算法 被引量：9

5

作者 葛战 伍警 +2 位作者 李兵 蒋鸿宇 周劼 《无线电工程》 北大核心 2022年第10期1718-1725,共8页

针对通信调制信号的循环谱存在数据量大、采用神经网络训练耗时等问题,提出了一种联合自编码器(Auto-Encoder,AE)和卷积神经网络(Convolutional Neural Network,CNN)同时完成数据降维和调制识别的算法——AE-CNN。该算法以循环频率轴的... 针对通信调制信号的循环谱存在数据量大、采用神经网络训练耗时等问题,提出了一种联合自编码器(Auto-Encoder,AE)和卷积神经网络(Convolutional Neural Network,CNN)同时完成数据降维和调制识别的算法——AE-CNN。该算法以循环频率轴的投影作为输入,采用AE实现对数据压缩,并将AE隐层输出至CNN,通过联合训练实现对6种不同信号的调制识别。同时分析了基于CNN、主成分分析(Principal Component Analysis,PCA)和AE三种方法的识别性能。实验结果表明,与基于PCA和AE的算法相比,AE-CNN的识别性能分别提高了约1.6%和2.1%;相对于基于CNN的方法能够大幅减少训练时间,并在识别性能上提升约1.2%。 展开更多

关键词 深度神经网络 调制识别 循环谱 卷积神经网络

在线阅读 下载PDF 职称材料

基于深度强化学习的资源受限条件下的DIDS任务调度优化方法 被引量：1

6

作者 赵旭 黄光球 +1 位作者 江晋 李巾 《控制与决策》 EI CSCD 北大核心 2022年第11期3052-3057,共6页

在节点性能有限的边缘计算环境下进行分布式入侵检测系统(distributed intrusion detection system,DIDS)的任务分配,是一种典型的资源受限任务调度问题.针对该问题,提出基于深度强化学习的DIDS低负载任务调度方案.该方案将任务调度过... 在节点性能有限的边缘计算环境下进行分布式入侵检测系统(distributed intrusion detection system,DIDS)的任务分配,是一种典型的资源受限任务调度问题.针对该问题,提出基于深度强化学习的DIDS低负载任务调度方案.该方案将任务调度过程描述为马尔科夫决策过程(Markov decision process,MDP)并建立模型的相关空间和价值函数,找到保持DIDS低负载状态的最优策略.针对状态和动作空间过大且高维连续的问题,提出通过深度循环神经网络进行函数拟合.实验表明,所提出方案可使DIDS在网络变化中动态调节调度策略,保持系统整体的低负载,而安全指标没有明显降低. 展开更多

关键词 资源受限 任务调度 深度强化学习 深度循环神经网络 入侵检测 边缘计算

原文传递

深度学习算法在乳腺肿瘤诊断中的应用研究 被引量：7

7

作者 邓卓 苏秉华 张凯 《中国医疗设备》 2020年第9期60-64,共5页

为探索应用深度学习的三种网络结构对乳腺癌肿瘤的诊断的诊断价值,本文基于深度神经网络、卷积神经网络和循环神经网络(Recurrent Neural Network,RNN)三种基本网络对乳腺肿瘤的良性与恶性的不同进行分类建模,利用人体实际乳腺肿瘤样本... 为探索应用深度学习的三种网络结构对乳腺癌肿瘤的诊断的诊断价值,本文基于深度神经网络、卷积神经网络和循环神经网络(Recurrent Neural Network,RNN)三种基本网络对乳腺肿瘤的良性与恶性的不同进行分类建模,利用人体实际乳腺肿瘤样本数据进行模型参数训练,并利用测试集数据对模型进行验证,结果发现三种网络都能以较高的准确度识别出肿瘤良恶性,其中RNN实验准确度接近100%。该研究可以辅助医生提高乳腺肿瘤的诊断准确率和工作效率。 展开更多

关键词 大数据 深度神经网络 卷积神经网络 循环神经网络 乳腺肿瘤

在线阅读 下载PDF 职称材料

基于循环神经网络的实时语音增强算法 被引量：5

8

作者 肖纯鑫 陈雨 《计算机工程与设计》 北大核心 2021年第7期1989-1994,共6页

基于循环神经网络的RNNoise语音增强算法在非稳态噪声环境中有着优良的噪声抑制效果,但在应对未知噪声时,存在增益估计偏差、频带增益估计过平滑的问题,而基于统计模型的MMSE-LSA语音增强算法,在噪声估计不准确的情况下,也能取得良好的... 基于循环神经网络的RNNoise语音增强算法在非稳态噪声环境中有着优良的噪声抑制效果,但在应对未知噪声时,存在增益估计偏差、频带增益估计过平滑的问题,而基于统计模型的MMSE-LSA语音增强算法,在噪声估计不准确的情况下,也能取得良好的噪声抑制效果。为结合两者的优良特性,将RNNoise中的频带增益估计转换为频带先验信噪比作为神经网络的输入特征,结合基音检测算法修正谐波增益,提出一种可抗非稳态噪声的实时语音增强算法MMSE-RNNoise。对比实验验证了改进算法的可行性,其实时语音增强性能有了一定提升。 展开更多

关键词 语音增强 深度学习 循环神经网络 基音检测 实时

在线阅读 下载PDF 职称材料

基于非对称多模态学习的阿尔茨海默症辅助诊断算法研究 被引量：2

9

作者 潘伟博 汪海涛 +1 位作者 姜瑛 陈星 《小型微型计算机系统》 CSCD 北大核心 2021年第6期1213-1218,共6页

针对传统阿尔茨海默症辅助诊断算法使用单一模态数据,以及丢弃缺失模态样本的问题,本文提出了一种基于非对称多模态学习的阿尔茨海默症辅助诊断算法.本算法包含两阶段任务,第1阶段利用磁共振成像(Magnetic Resonance Imaging,MRI)和正... 针对传统阿尔茨海默症辅助诊断算法使用单一模态数据,以及丢弃缺失模态样本的问题,本文提出了一种基于非对称多模态学习的阿尔茨海默症辅助诊断算法.本算法包含两阶段任务,第1阶段利用磁共振成像(Magnetic Resonance Imaging,MRI)和正电子发射断层扫描成像(Positron Emission Tomography,PET)之间的潜在联系,使用3D循环生成对抗神经网络,训练出一个特定的PET生成模型,补全缺失的PET数据.第2阶段,通过多模态深度非负矩阵分解模型,将MRI和PET的特征融合/学习过程和辅助诊断集成到一个框架中进行分类.这可以消除神经影像特征与疾病标签之间的差异,并提高辅助诊断性能.本文对ADNI数据库中1457名受试者进行的实验结果表明,本文提出的算法在阿尔茨海默症识别和轻度认知障碍转换预测中均表现出良好的性能. 展开更多

关键词 深度非负矩阵分解 循环生成对抗神经网络 多模态学习 深度学习 阿尔茨海默症

在线阅读 下载PDF 职称材料

基于循环频谱相干和DCNN的隔膜泵单向阀故障诊断方法研究 被引量：7

10

作者 冯泽仲 熊新 王晓东 《振动与冲击》 EI CSCD 北大核心 2021年第14期237-244,291,共9页

针对传统的机器学习方法过分依赖特征提取的质量,而深度学习在强干扰条件下其故障辨识率不佳的问题,提出了一种基于循环频谱相干(CSCoh)和深度卷积神经网络(DCNN)的故障诊断方法,并将其应用于实际工况环境下的隔膜泵单向阀故障诊断当中... 针对传统的机器学习方法过分依赖特征提取的质量,而深度学习在强干扰条件下其故障辨识率不佳的问题,提出了一种基于循环频谱相干(CSCoh)和深度卷积神经网络(DCNN)的故障诊断方法,并将其应用于实际工况环境下的隔膜泵单向阀故障诊断当中。对振动信号进行循环平稳特性分析,利用快速循环相关谱计算方法将原始振动信号生成二维CSCoh图;将生成的CSCoh图作为输入从而降低深度诊断模型中特征学习的难度,通过构建DCNN模型,并引入批量归一化和Dropout技术来提升模型的收敛速度和泛化能力;利用所提模型对故障进行分类识别,进而实现单向阀的故障诊断。结果表明,该方法可以准确地识别单向阀的故障类型,并具有较好的泛化性能。 展开更多

关键词 循环频谱相干(CSCoh) 深度卷积神经网络(DCNN) 隔膜泵单向阀 故障诊断

在线阅读 下载PDF 职称材料

一种优化的卷积神经网络调制识别算法 被引量：4

11

作者 陈雪 姚彦鑫 《电讯技术》 北大核心 2019年第5期507-512,共6页

针对非合作接收条件下信号的调制识别问题,提出了一种基于循环谱特征和深度卷积神经网络的自动调制分类算法。该算法首先利用二值化、形态学操作等技术对循环谱数据集预处理,提高网络泛化能力;然后将数据集输入到卷积神经网络模型中,经... 针对非合作接收条件下信号的调制识别问题,提出了一种基于循环谱特征和深度卷积神经网络的自动调制分类算法。该算法首先利用二值化、形态学操作等技术对循环谱数据集预处理,提高网络泛化能力;然后将数据集输入到卷积神经网络模型中,经过网络的特征提取实现分类识别。在网络中添加残差块网络增大感受野,提高特征提取能力。采用Dropout、优化函数等技术优化网络结构,防止训练过拟合。仿真结果表示,与传统方法和现有的一些深度学习调制识别方法相比,该算法在低信噪比条件下有更高的准确率,具有明显的抗噪声优势,是一个有效的调制识别算法。 展开更多

关键词 非合作通信 调制识别 深度卷积神经网络 循环谱

在线阅读 下载PDF 职称材料

基于Fasttext和多融合特征的文本分类模型 被引量：10

12

作者 张焱博 郭凯 《计算机仿真》 北大核心 2021年第7期461-466,共6页

针对传统文本分类办法无法有效应对长文本快速收敛的问题,提出了一种基于LSTM-CNN-ATTENTION机制FASTTEXT的文本分类模型。该模型使用预训练词向量将文本信息转换为词向量,通过将词向量送入CNN层、Bi-LSTM层,获得所对应的深度词向量特征... 针对传统文本分类办法无法有效应对长文本快速收敛的问题,提出了一种基于LSTM-CNN-ATTENTION机制FASTTEXT的文本分类模型。该模型使用预训练词向量将文本信息转换为词向量,通过将词向量送入CNN层、Bi-LSTM层,获得所对应的深度词向量特征,并通过Attention机制使CNN层特征与Bi-LSTM层特征交互,得到融合特征表示。同时,通过将词向量送入FASTTEXT层得到文本信息浅层表示,并与Attention机制的深层特征相拼接,将拼接后的特征映射到分类条目中实现文本分类。实验结果显示,与CNN、Bi-LSTM、AT-LSTM-CNN模型相比,该方法在取得了良好的分类效果前提下,有效地加快了模型学习速度。 展开更多

关键词 文本分类 深度学习 特征融合 注意力机制 双向循环神经网络模型

在线阅读 下载PDF 职称材料

数据驱动下的用户异常用电行为检测方法 被引量：10

13

作者 赵玉谦 赵彩霞 张倚天 《信息技术》 2021年第8期127-132,共6页

针对智能电网条件下用户异常用电行为问题,提出了一种基于主成分分析和深度循环神经网络(PCA-RNN)的异常用电行为检测方法。该方法首先利用核主成分分析对电力负荷数据进行降维处理,生成主成分特征子集,然后基于长短记忆网络(LSTM)和门... 针对智能电网条件下用户异常用电行为问题,提出了一种基于主成分分析和深度循环神经网络(PCA-RNN)的异常用电行为检测方法。该方法首先利用核主成分分析对电力负荷数据进行降维处理,生成主成分特征子集,然后基于长短记忆网络(LSTM)和门控循环单元(GRU)构建深度循环神经网络(RNN)模型,检测异常用电行为。实验结果表明,该方法能够有效检测出异常用电行为,且具有较高的准确率和鲁棒性。 展开更多

关键词 智能电网 电力数据 异常行为检测 主成分分析 深度循环神经网络

在线阅读 下载PDF 职称材料

基于卷积神经网络与循环谱图的调制识别方法 被引量：5

14

作者 林心桐 张琳 +1 位作者 吴志强 姜军 《太赫兹科学与电子信息学报》 2021年第4期617-622,共6页

为提高调制分类识别精确度,降低计算复杂度,提出了一种基于卷积神经网络(CNN)与红绿蓝(RGB)循环谱二维图的智能调制识别方法。基于循环谱特征可识别调制类型的机理,为了降低计算复杂度,将三维的循环谱转换为二维平面的RGB循环谱图,并将... 为提高调制分类识别精确度,降低计算复杂度,提出了一种基于卷积神经网络(CNN)与红绿蓝(RGB)循环谱二维图的智能调制识别方法。基于循环谱特征可识别调制类型的机理,为了降低计算复杂度,将三维的循环谱转换为二维平面的RGB循环谱图,并将其用于构建数据集;将一种计算复杂度较低的CNN作为调制类型分类识别器。仿真结果表明,所提出的智能调制识别方法能够以较低的计算复杂度,获得更高的分类精确度。 展开更多

关键词 智能调制识别 卷积神经网络 循环谱二维图 深度学习

在线阅读 下载PDF 职称材料

基于改进U-Net深度网络的超声正中神经图像分割 被引量：7

15

作者 田宝园 程怿 +4 位作者 蔡叶华 陈可 施俊 徐树公 张麒 《自动化仪表》 CAS 2020年第8期36-41,共6页

超声成像作为常见的医学成像技术,在诊断和治疗疾病方面发挥着重要作用。人工判读超声图像依赖于医生主观经验知识,其结果存在观察者间和观察者内的差异,并且过程耗时耗力,难以满足快速、批量的临床诊断需求。随着人工智能的快速发展,... 超声成像作为常见的医学成像技术,在诊断和治疗疾病方面发挥着重要作用。人工判读超声图像依赖于医生主观经验知识,其结果存在观察者间和观察者内的差异,并且过程耗时耗力,难以满足快速、批量的临床诊断需求。随着人工智能的快速发展,基于深度学习的图像分割模型被广泛地应用于医学图像分割领域,并取得了不俗成果。基于U-Net深度神经网络,对其结构进行优化改进,构建适用于超声图像正中神经分割的卷积神经网络模型。在网络中添加了规范层和丢弃层,下采样的最大池化层替换成卷积层;同时,采用指数线性单元激活函数,使用循环学习率,以增加网络模型的鲁棒性。测试结果表明,改进的U-Net模型在超声正中神经图像的自动分割方面表现良好,横切面、纵切面的Dice系数分别达到了78%与89%。该方法有望用于临床超声神经图像的辅助分析。 展开更多

关键词 超声成像 人工智能 深度学习 图像分割 U-Net 神经网络 正中神经 循环学习率

在线阅读 下载PDF 职称材料

一种循环谱特征提取的直扩信号智能识别方法 被引量：3

16

作者 王源 冯永新 钱博 《沈阳理工大学学报》 CAS 2023年第4期31-39,共9页

为解决传统信号识别方法对直接序列扩频信号识别率低、智能化程度不高等问题,提出一种基于循环谱特征提取的直扩信号智能识别算法。在深入分析直扩信号循环谱特征基础上,以直扩信号循环谱独特的稀疏特性为依据,设计一种稀疏滤波-卷积神... 为解决传统信号识别方法对直接序列扩频信号识别率低、智能化程度不高等问题,提出一种基于循环谱特征提取的直扩信号智能识别算法。在深入分析直扩信号循环谱特征基础上,以直扩信号循环谱独特的稀疏特性为依据,设计一种稀疏滤波-卷积神经网络模型对提取的循环谱等高线图进行识别,采用无监督预训练和有监督训练微调的方式对网络参数进行更新,提升网络对信号整体特征的表达能力和对小数据量信号样本的学习能力。仿真结果表明:本文算法能够有效识别直接序列扩频信号,在不低于-10 dB高斯噪声条件下对采用正交相移键控调制的直扩信号识别准确率达到98%以上;在混合其他调制信号条件下,相较于常见的几种深度学习算法,本文提出的算法具有更高的识别准确率和鲁棒性。 展开更多

关键词 信号识别 直接序列扩频 循环谱 稀疏滤波-卷积神经网络 深度学习

在线阅读 下载PDF 职称材料

融合图自编码器与GRU的城市盗窃犯罪时空分布预测模型 被引量：6

17

作者 赵丹 杜萍 +1 位作者 刘涛 令振飞 《地球信息科学学报》 EI CSCD 北大核心 2023年第7期1448-1463,共16页

犯罪预测是进行犯罪预防的前提,高效准确的犯罪预测对于提高城市管理效率、保障公共安全都具有重要的意义。当前,关于犯罪预测的已有研究大多采用单一的机器学习方法或深度学习模型,忽略了犯罪的时空依赖关系,往往难以获得准确的预测结... 犯罪预测是进行犯罪预防的前提,高效准确的犯罪预测对于提高城市管理效率、保障公共安全都具有重要的意义。当前,关于犯罪预测的已有研究大多采用单一的机器学习方法或深度学习模型,忽略了犯罪的时空依赖关系,往往难以获得准确的预测结果。本文提出一个基于深度学习技术的犯罪时空预测模型—GAERNN:(1)利用GAE模型捕获犯罪案件的空间分布特征;(2)将带有空间依赖关系的特征经序列化处理后作为GRU模型的输入,进一步提取犯罪序列的时间特征;(3)经全连接层处理获得犯罪时空预测结果,并选取MLP、GCN等基准模型进行对比实验,结合RMSE、MSE等多个指标对模型预测结果进行评估。实验结果表明:对于各模型预测结果可视化分析,GAERNN模型预测的可视化结果与实际数据分布最相符合;在各模型误差分析方面,相比预测性能较差的MLP,GAERNN模型各月份的RMSE分别降低了1.02、3.58、1.29以及0.45;在子模块有效性评估方面,相比其变体模型GAE-LSTM,GAERNN模型在各月份的MAPE分别降低了2.15%、10.07%、1.92%以及2.54%,说明GAERNN模型能显著提高盗窃犯罪时空预测精度,可用于城市盗窃犯罪的积极预防和有效治理。 展开更多

关键词 盗窃 时空分布预测 城市犯罪 图神经网络 深度学习 门控循环单元 图自编码器 兰州市

原文传递

基于DWAE和GRUNN组合模型的变工况齿轮箱故障诊断分析 被引量：1

18

作者 刘传慧 陈晓静 +2 位作者 侯晓晓 朱强 董勇 《机械传动》 北大核心 2022年第2期155-159,共5页

为了更好地识别噪声与时变转速条件对变工况齿轮箱的故障,开发了一种通过深度小波自动编码器(DWAE)与门控循环单元神经网络(GRUNN)相结合的变工况齿轮箱故障识别方法,其能够从含噪样本自主提取得到鲁棒故障特征;通过Adam与Dropout方法... 为了更好地识别噪声与时变转速条件对变工况齿轮箱的故障,开发了一种通过深度小波自动编码器(DWAE)与门控循环单元神经网络(GRUNN)相结合的变工况齿轮箱故障识别方法,其能够从含噪样本自主提取得到鲁棒故障特征;通过Adam与Dropout方法进行训练,通过Softmax分类器对待诊样本的变工况齿轮箱运行状态进行了准确识别。研究结果表明,采用该模型识别齿轮故障时,能够达到有效分离齿轮的6种故障状态,从而满足齿轮状态聚类的优化功能;该模型能够提取出DWAE的鲁棒特征参数,也可以发挥GRUNN以实现消除梯度的效果。当训练样本数增加,待诊样本的准确率也发生了明显提升。样本数超过200后,测试待诊样本可获得稳定准确率,通过DWAEGRUNN方法识别得到的准确率最高。针对变转速工况,该模型可以保持很好的准确率。 展开更多

关键词 变工况齿轮箱 故障识别 深度小波自动编码器 门控循环单元神经网络 准确率

在线阅读 下载PDF 职称材料

循环相关熵和一维浅卷积神经网络轴承故障诊断 被引量：1

19

作者 李辉 徐伟烝 《机械科学与技术》 CSCD 北大核心 2024年第4期600-610,共11页

针对传统二维深度卷积神经网络结构复杂、易产生过拟合和难以有效处理低信噪比信号的问题,提出了一种基于循环相关熵和一维浅卷积神经网络的故障诊断-CCe-1D SCNN方法。该方法综合利用了一维浅卷积神经网络结构简单、计算复杂度低和循... 针对传统二维深度卷积神经网络结构复杂、易产生过拟合和难以有效处理低信噪比信号的问题,提出了一种基于循环相关熵和一维浅卷积神经网络的故障诊断-CCe-1D SCNN方法。该方法综合利用了一维浅卷积神经网络结构简单、计算复杂度低和循环相关熵能在低信噪比环境下有效提取故障特征的优点。首先,计算轴承故障振动信号的循环相关熵函数、循环相关熵谱密度函数和广义循环平稳度;其次,将一维归一化的广义循环平稳度作为一维浅卷积神经网络的输入层,通过一维浅卷积神经网络自动实现故障特征提取和模式分类;最后,将CCe-1D SCNN方法应用于电机轴承故障特征提取和分类,实验结果表明:CCe-1D SCNN方法在低噪声比情况下仍能保持很高的模式识别正确率,为一种自动故障特征提取和模式识别的有效方法。 展开更多

关键词 循环相关熵 一维浅卷积神经网络 深度学习 循环平稳信号 故障诊断

在线阅读 下载PDF 职称材料