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4篇文章
< 1 >
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：
基于飞行数据的MSCNN-LSTM水平安定面系统状态监测方法 被引量：1
1
作者 张鹏 胡芳语 +1 位作者 段照斌 刘静静 《中国民航大学学报》 2025年第1期60-66,82,共8页
针对真实飞行数据中故障样本匮乏、数据类间失衡且缺少标注问题,本文提出了一种基于多尺度卷积神经网络(MSCNN,multi-scale convolutional neural network)与长短时记忆(LSTM,long short-term memory)网络的水平安定面系统状态监测方法... 针对真实飞行数据中故障样本匮乏、数据类间失衡且缺少标注问题,本文提出了一种基于多尺度卷积神经网络(MSCNN,multi-scale convolutional neural network)与长短时记忆(LSTM,long short-term memory)网络的水平安定面系统状态监测方法。此方法不依赖于标注数据,利用无监督学习的方式对水平安定面系统进行状态监测。首先,利用MSCNN-LSTM对系统正常运行状态的快速存储记录器(QAR,quick access recorder)数据从空间和时间两个维度进行特征提取,以实现舵面位置预测;其次,计算舵面位置预测值与舵面位置实际值的残差,分析残差分布来确定系统健康状态的阈值;最后,利用某飞机的QAR数据进行验证。实验结果表明,本文所提方法能准确实现水平安定面系统飞行级的异常状态识别,并能在系统发生故障时,提前1个飞行循环进行异常预警。 展开更多
关键词 飞行数据 mscnn-lstm 水平安定面 状态监测 无监督学习
在线阅读 下载PDF
基于MSCNN-LSTM与大模型的轴承故障诊断与预测维护
2
作者 李振飞 原通文 +2 位作者 朱光宇 杨超 梅宇烨 《制造业自动化》 2025年第10期72-79,共8页
针对滚动轴承在复杂工况下易发生故障,以及传统诊断方法实时性较差、对人工特征提取依赖性较强的问题,提出了一种基于MSCNN-LSTM深度学习网络的轴承故障诊断方法,并开发了相应的智能轴承健康管理系统。该系统采用端到端的故障诊断流程,... 针对滚动轴承在复杂工况下易发生故障,以及传统诊断方法实时性较差、对人工特征提取依赖性较强的问题,提出了一种基于MSCNN-LSTM深度学习网络的轴承故障诊断方法,并开发了相应的智能轴承健康管理系统。该系统采用端到端的故障诊断流程,直接利用时域振动信号作为输入,通过多尺度卷积神经网络(Multi-Scale Convolutional Neural Network,MSCNN)自动提取不同频域层次的局部特征,结合长短期记忆网络(LSTM)建模故障特征的时间演化规律,实现高精度的自动化故障诊断。为增强诊断结果的可解释性与决策支持能力,系统引入讯飞星火大模型,生成智能诊断报告与维护建议。系统部署于国产飞腾四核处理器平台,保障软硬件的自主可控性与工业应用的稳定性。实验结果表明,所提系统在西储大学轴承数据集上的平均分类准确率达到98.46%,在AITHE轴承故障数据集上的准确率为96.73%,验证了其在复杂工况下的鲁棒性与跨数据集泛化能力。通过人机交互界面(HMI)实时展示故障诊断结果与维护建议,该系统为设备健康管理与预测性维护提供了可靠的智能化解决方案。 展开更多
关键词 mscnn-lstm 滚动轴承 大模型 故障诊断 智能健康管理系统
在线阅读 下载PDF
基于MEF-MSCNN-LSTM模型的飞机电控舵面故障检测研究
3
作者 耿子庆 姜硕 +2 位作者 蔺吉媛 王储 张巍严 《计算机测量与控制》 2025年第11期23-31,共9页
随着航空系统智能化水平的提升,飞行器对飞控系统的实时响应与自主诊断能力提出更高要求;电控舵面作为关键执行部件,其故障将直接影响飞行稳定与安全;为提升识别精度与响应效率,研究构建融合多尺度卷积与长短期记忆网络的故障检测模型,... 随着航空系统智能化水平的提升,飞行器对飞控系统的实时响应与自主诊断能力提出更高要求;电控舵面作为关键执行部件,其故障将直接影响飞行稳定与安全;为提升识别精度与响应效率,研究构建融合多尺度卷积与长短期记忆网络的故障检测模型,并引入多阶段信号降噪机制以优化特征提取;模型基于多源飞行数据训练,精准捕捉电压、电流与偏转角等关键序列特征的演化模式;实验表明,模型在完全训练后准确率达98.7%,可在异常发生前2.2 s实现高置信度预警,具备出色的时效性与稳定性;同时在典型巡航工况下识别出微弱间歇性迟滞故障,分类置信度为0.974,体现了良好的早期检测能力;研究验证了该模型在复杂非线性场景中的鲁棒性与实用性,为飞控系统故障诊断由被动响应向智能预测转变提供了技术支撑。 展开更多
关键词 电控舵面 多尺度卷积神经网络 长短期记忆网络 多阶段信号降噪 故障检测
在线阅读 下载PDF
基于MSCNN-LSTM的注意力机制U型管道缺陷识别模型 被引量：8
4
作者 朱雪峰 冯早 +1 位作者 马军 范玉刚 《振动与冲击》 EI CSCD 北大核心 2023年第22期293-302,共10页
对于承担缓震功能的特异U型管道,其结构复杂使管内和管壁缺陷具有时延性和多源多征兆等特点。针对U型管道缺陷难以有效识别的问题,提出一种基于多尺度卷积神经网络–长短期记忆(multi-scale convolution neural network-long short-term... 对于承担缓震功能的特异U型管道,其结构复杂使管内和管壁缺陷具有时延性和多源多征兆等特点。针对U型管道缺陷难以有效识别的问题,提出一种基于多尺度卷积神经网络–长短期记忆(multi-scale convolution neural network-long short-term memory,MSCNN-LSTM)的注意力机制U型管道缺陷识别方法。采用主动声学检测方法获取管道声学响应信号,将原始声学信号作为模型输入,训练多尺度卷积神经网络提取重要细粒度局部特征。然后,多尺度局部特征融合为一个特征向量输入至LSTM网络中抽取潜藏在时序规律的粗粒度上下文特征。下一步引入注意力机制,对提取的特征赋予不同的权重,使模型更关注于最具类别区分度的特征,滤除冗余特征,提高模型缺陷识别能力。最后,在输出端通过Softmax分类器实现U型管道缺陷识别。试验结果表明,与其他常用的分类方法相比,该方法拥有更快的收敛速度,可实现98.44%的缺陷识别准确率。此外,采用Grad-CAM类激活可视化方法对所提模型的特征学习和缺陷分类机理实现了过程分析和展示。 展开更多
关键词 U型管道 缺陷识别 多尺度卷积神经网络(MSCNN) 长短期记忆(LSTM) 注意力机制
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 下一页 到第 页
使用帮助 返回顶部