期刊文献+
共找到269篇文章
< 1 2 14 >
每页显示 20 50 100
基于ASCABC的并行DCNN优化算法
1
作者 胡健 周奇航 毛伊敏 《计算机工程与设计》 北大核心 2025年第4期983-989,共7页
针对大数据环境下并行DCNN存在冗余计算过多、收敛速度慢、参数寻优能力差以及中间数据倾斜等问题提出一种基于Spark和ASCABC的DCNN-SASCABC算法。提出基于冯诺依曼熵的FMC-VNE策略来对特征图进行压缩,降低冗余计算;提出基于自适应人工... 针对大数据环境下并行DCNN存在冗余计算过多、收敛速度慢、参数寻优能力差以及中间数据倾斜等问题提出一种基于Spark和ASCABC的DCNN-SASCABC算法。提出基于冯诺依曼熵的FMC-VNE策略来对特征图进行压缩,降低冗余计算;提出基于自适应人工蜂群算法的MPT-ASCABC策略进行参数初始化,提高DCNN收敛速度与参数寻优能力;提出中间数据分配策略BA-ID重分配中间数据,解决Spark中间数据倾斜的问题。实验结果表明,所提算法提高了大数据环境下模型训练效率。 展开更多
关键词 SPARK 大数据 并行dcnn 冗余数据 自适应人工蜂群算法 参数初始化 数据倾斜
在线阅读 下载PDF
基于1DCNN-SVM的天然气水合物风险防控边界预测方法
2
作者 吕晓方 陈书楷 +5 位作者 徐孝轩 柳扬 钱瑞祥 王传硕 李晓伟 周诗岽 《管道保护》 2025年第1期14-21,共8页
为了保障油气管道的流动安全,准确预测天然气水合物的生成条件非常重要。传统方法依赖于实验经验公式或简单物理模型,但这些方法计算复杂、适用范围有限且精度较低。为此,提出了一种基于一维卷积神经网络(1DCNN)-支持向量机(SVM)的天然... 为了保障油气管道的流动安全,准确预测天然气水合物的生成条件非常重要。传统方法依赖于实验经验公式或简单物理模型,但这些方法计算复杂、适用范围有限且精度较低。为此,提出了一种基于一维卷积神经网络(1DCNN)-支持向量机(SVM)的天然气水合物相平衡预测方法。在实验中,探讨了不同迭代次数对模型性能的影响,确定2000次迭代时模型性能最佳。对比1DCNN-SVM模型与传统SVM、CNN、BP模型和OLGA的预测效果,结果显示1DCNN-SVM模型具有优异的预测性能,R2达到0.9761,MSE为1.8236,MAE为0.5889,均优于其他模型。此外,1DCNN-SVM模型在面对新数据时,表现出良好的适用性与稳定性。该预测方法为油气管道水合物生成的预测、监测预警及防控提供了新的思路。 展开更多
关键词 天然气水合物 相平衡 一维卷积神经网络(1dcnn) 支持向量机(SVM)
在线阅读 下载PDF
基于DCNN的水稻叶瘟病检测与取样装置设计实现 被引量:1
3
作者 李新科 毛含莹 +5 位作者 孙玉瑾 叶冬 邢振国 付坤 张文龙 王远新 《电子制作》 2025年第6期36-41,共6页
水稻叶瘟病是一种高度传染性病害,为及时检测处理以减少对水稻生长和产量造成的危害。本项目基于DCNN,深度卷积神经网络,采用哈弗架构STM32主控芯片、km1机械手臂、激光雷达、球窝关节、Vis-Aud K210芯片等模块与自研分拣、切割结构相结... 水稻叶瘟病是一种高度传染性病害,为及时检测处理以减少对水稻生长和产量造成的危害。本项目基于DCNN,深度卷积神经网络,采用哈弗架构STM32主控芯片、km1机械手臂、激光雷达、球窝关节、Vis-Aud K210芯片等模块与自研分拣、切割结构相结合,搭建检测与取样一体化装置。在精准高效检测出叶瘟病同时,根据所在位置信息,机械手末端利用关节设计自由度优势,实现环境定位,全方位取样、病害判断、分拣最终使得产品在适应田间复杂环境基础上,完成水稻叶瘟病检测任务,实现长期快速动态监控,推进农业智慧化和现代化进程。 展开更多
关键词 dcnn 球窝关节 K210 检测取样结构
在线阅读 下载PDF
基于ABWO的并行DCNN优化算法 被引量:1
4
作者 毛伊敏 刘映兴 《计算机工程与设计》 北大核心 2025年第2期353-359,共7页
针对并行DCNN算法在大数据环境下存在特征差异性较小、模型性能不足、参数更新慢和集群并行效率低等问题,提出一种基于ABWO的并行DCNN优化算法PDCNN-ABWO。提出一种基于自适应密度峰值聚类的特征选择策略FS-ADPC划分原始特征,筛选差异... 针对并行DCNN算法在大数据环境下存在特征差异性较小、模型性能不足、参数更新慢和集群并行效率低等问题,提出一种基于ABWO的并行DCNN优化算法PDCNN-ABWO。提出一种基于自适应密度峰值聚类的特征选择策略FS-ADPC划分原始特征,筛选差异性较大的特征;设计一种ResNet-CBAMDW模型,提升模型性能;提出一种基于自适应黑寡妇优化算法的并行训练策略PT-ABWO优化初始参数,加快参数更新速度;提出一种基于大数据基准测试的动态负载均衡策略DLB-BDB,合理分配任务负载,提升集群并行效率。实验结果表明,该算法能够有效提升DCNN在大数据环境下的训练效率。 展开更多
关键词 大数据 并行深度卷积神经网络算法 密度峰值聚类 自适应黑寡妇优化算法 并行训练 基准测试 负载均衡
在线阅读 下载PDF
基于双向DCNNs与SN结合的NILD
5
作者 马瑞 杨杰豹 杨嘉其 《山西电子技术》 2025年第2期56-58,共3页
针对卷积神经网络(CNN)对非侵入式负荷分解(non-intrusive load decomposition,NILD)存在负荷分解准确率较低问题,提出了一种基于双向扩张卷积神经网络(Dilated Convolutional Neural Network,DCNNs)与残差连接(skip-connect,SN)协同运... 针对卷积神经网络(CNN)对非侵入式负荷分解(non-intrusive load decomposition,NILD)存在负荷分解准确率较低问题,提出了一种基于双向扩张卷积神经网络(Dilated Convolutional Neural Network,DCNNs)与残差连接(skip-connect,SN)协同运作的NILD方法,该方法首先基于序列到点(Seq2Point)模型,在主表功率序列中采用双向DCNNs进行卷积运算,扩大了感受野并且提取到的特征更全面;其次引入SN将冗余层进行恒等映射,成功解决了网络退化的问题,提高了负荷分解准确率。实验中利用UK-DALE数据集进行验证,结果表明,本文所提方法在MAE和SAE两指标上均有改进。 展开更多
关键词 非侵入式负荷分解 Seq2Point 双向dcnns skip-connect
在线阅读 下载PDF
Combining transformer and 3DCNN models to achieve co-design of structures and sequences of antibodies in a diffusional manner
6
作者 Yue Hu Feng Tao +3 位作者 Jiajie Xu Wen-Jun Lan Jing Zhang Wei Lan 《Journal of Pharmaceutical Analysis》 2025年第6期1406-1408,共3页
AlphaPanda(AlphaFold2[1]inspired protein-specific antibody design in a diffusional manner)is an advanced algorithm for designing complementary determining regions(CDRs)of the antibody targeted the specific epitope,com... AlphaPanda(AlphaFold2[1]inspired protein-specific antibody design in a diffusional manner)is an advanced algorithm for designing complementary determining regions(CDRs)of the antibody targeted the specific epitope,combining transformer[2]models,3DCNN[3],and diffusion[4]generative models. 展开更多
关键词 advanced algorithm diffusion generative models dcnn epitope targeting antibody design complementary determining regions complementary determining regions cdrs transformer models
在线阅读 下载PDF
基于声学信号的CEEMDAN-1DCNN轴承故障诊断方法
7
作者 李林 王久山 +1 位作者 肖试录 郭遥 《电力机车与城轨车辆》 2025年第4期64-70,共7页
为了更好地提取轴承信号中的主要故障信息,提升轴承故障诊断的准确度,以声学信号为驱动,提出一种自适应噪声完全集合经验模态分解(CEEMDAN)与一维卷积神经网络(1DCNN)相结合的轴承故障诊断方法。通过CEEMDAN方法将原始声学信号分解为若... 为了更好地提取轴承信号中的主要故障信息,提升轴承故障诊断的准确度,以声学信号为驱动,提出一种自适应噪声完全集合经验模态分解(CEEMDAN)与一维卷积神经网络(1DCNN)相结合的轴承故障诊断方法。通过CEEMDAN方法将原始声学信号分解为若干个本征模态函数(IMF)分量,然后计算各个IMF分量与原始信号的皮尔逊相关系数,并基于皮尔逊相关系数对信号进行重构;利用重构信号训练1DCNN,并使用测试集对网络进行验证。结果表明,该方法对轴承故障诊断的准确率达到99.7%,具有良好的效果。 展开更多
关键词 轴承 故障诊断 声学信号 自适应噪声完全集合经验模态分解(CEEMDAN) 一维卷积神经网络(1dcnn)
原文传递
基于注意力机制的融合式NCP-DCNN短期光伏功率预测方法
8
作者 刘庆 王有军 +4 位作者 张垚 姜继彬 李康 李璘 王平 《智慧电力》 北大核心 2025年第8期62-69,共8页
针对传统短期光伏功率预测模型普遍存在预测精度不足、参数量过大等问题,提出一种融合注意力机制(AM)、神经回路策略(NCP)、密集卷积神经网络(DCNN)的短期光伏功率预测方法。首先,引入皮尔逊相关分析识别影响光伏发电的关键因素,并将其... 针对传统短期光伏功率预测模型普遍存在预测精度不足、参数量过大等问题,提出一种融合注意力机制(AM)、神经回路策略(NCP)、密集卷积神经网络(DCNN)的短期光伏功率预测方法。首先,引入皮尔逊相关分析识别影响光伏发电的关键因素,并将其作为网络输入提高特征学习效率;其次,通过多层卷积操作提取输入数据的局部空间特征,并利用自注意力机制自动聚焦于重要的时间段和区域,增强特征表征能力;最后,结合神经回路策略模块实现特征图在时间维度的特征提取。仿真结果表明,所提方法在不依赖网络参数的情况下具有较高的短期预测精度,可显著降低网络复杂度并提升计算效率。 展开更多
关键词 光伏功率预测 密集卷积神经网络 注意力机制 神经回路策略 短期
在线阅读 下载PDF
基于改进EEMD-MB1DCNN的船用柴油机缸套-活塞环故障诊断 被引量:5
9
作者 王永坚 范金宇 +2 位作者 蔡杭溪 赵凯 吴怡婷 《船海工程》 北大核心 2024年第1期30-35,共6页
针对船用中高速柴油机缸套-活塞环振动信号非线性非平稳性以及同类型不同损伤程度故障发生时振动信号时频域特征相似、故障难以识别等问题,利用振动信号辨识故障,提出一种基于改进集成经验模态分解方法和多模块一维卷积神经网络端到端缸... 针对船用中高速柴油机缸套-活塞环振动信号非线性非平稳性以及同类型不同损伤程度故障发生时振动信号时频域特征相似、故障难以识别等问题,利用振动信号辨识故障,提出一种基于改进集成经验模态分解方法和多模块一维卷积神经网络端到端缸套-活塞环故障诊断方法,通过设计固有模态分量IMF信息质量筛选准则对EEMD分解出的IMFs进行重新排序,获得包含更多凸显故障特征成分的重构信号,输入到上述神经网络模型,通过振动信号分析并与现有方法比较,评估所设计IMF信息质量筛选准则与所搭建模型的性能,试验结果显示该方法能准确、有效地识别缸套-活塞环故障类型。在判断该易损件同类型不同磨损程度故障诊断中有较高的准确率,能对故障状况进行有效的特征提取与故障分类。 展开更多
关键词 船用柴油机 缸套与活塞环 EEMD 1dcnn 故障诊断
在线阅读 下载PDF
结合DCNN与时空语义的教学行为识别与情感可视化分析
10
作者 杨惟萱 《自动化应用》 2025年第20期78-80,84,共4页
随着智能教育的快速发展,深度学习技术已经在智慧课堂中广泛应用。为了更好地获取课堂实时反馈,提出了一种结合深度卷积神经网络(DCNN)与时空语义的教学行为识别模型,并结合光流技术设计表情识别模型。结果表明,行为识别模型、表情识别... 随着智能教育的快速发展,深度学习技术已经在智慧课堂中广泛应用。为了更好地获取课堂实时反馈,提出了一种结合深度卷积神经网络(DCNN)与时空语义的教学行为识别模型,并结合光流技术设计表情识别模型。结果表明,行为识别模型、表情识别模型的准确率、平均识别准确率分别为96.24%、69.45%。该模型能够直观展示教学过程中教师和学生的行为识别和情感情况,为教育者提供更为合适的教学策略。这不仅能够提高教学效率,实时反馈学习效果,还为教育领域带来了创新智能技术。 展开更多
关键词 智慧课堂 深度卷积神经网络 时空语义 行为识别 情感分析
在线阅读 下载PDF
基于1DCNN和D-S多信息融合的光伏系统直流母线串联电弧故障检测 被引量:4
11
作者 李岩 刘鑫月 +2 位作者 乔俊杰 王毛桃 王鹏 《电工电能新技术》 CSCD 北大核心 2024年第5期58-67,共10页
直流母线是光伏系统输出能源的主干道,由于长期曝晒、风化等作用,电缆、连接器等组件劣化,光伏系统直流母线中发生电弧的可能性急剧上升,极易引发火灾、触电等事故。在光伏系统中,串联电弧故障将使回路电流下降,传统的过流保护无法识别... 直流母线是光伏系统输出能源的主干道,由于长期曝晒、风化等作用,电缆、连接器等组件劣化,光伏系统直流母线中发生电弧的可能性急剧上升,极易引发火灾、触电等事故。在光伏系统中,串联电弧故障将使回路电流下降,传统的过流保护无法识别。因此,本文提出基于深度学习和证据理论(D-S)的方法来识别串联电弧故障,该方法基于并联电容器电流和电压信号,采用一维卷积神经网络(1DCNN)对检测数据进行电弧识别;在此基础上将基于单个传感数据的识别结果作为证据,运用D-S多信息合成法则计算得到信度分配,最后利用决策规则判断是否发生串联电弧故障。搭建多参数可调模型获取数据进行测试,结果表明:使用1DCNN识别方法,基于并联电容器电流和电压信号的串联电弧识别准确率分别为97.19%和94.98%,而基于1DCNN和D-S多信息融合的光伏系统直流串联电弧故障检测的识别准确率可提升至99%以上。 展开更多
关键词 光伏系统 1dcnn 串联电弧故障 D-S多元信息融合 故障检测
在线阅读 下载PDF
基于DCNN-LSTM模型的船舶违章行为检测
12
作者 郑元洲 李鑫 +3 位作者 钱龙 秦瑞朋 李果 李梦希 《湖南大学学报(自然科学版)》 EI CAS CSCD 北大核心 2024年第12期119-128,共10页
桥区水域船舶违章行为的精准检测对于预控船桥碰撞至关重要.为保障船舶航行安全,提出了一种面向桥区水域的船舶违章行为检测模型.通过实时采集长江武汉段连续桥区船舶自动识别系统(AIS)数据及预处理工作,采用卷积神经网络(CNN)提取船舶... 桥区水域船舶违章行为的精准检测对于预控船桥碰撞至关重要.为保障船舶航行安全,提出了一种面向桥区水域的船舶违章行为检测模型.通过实时采集长江武汉段连续桥区船舶自动识别系统(AIS)数据及预处理工作,采用卷积神经网络(CNN)提取船舶行为信息,与长短时记忆神经网络(LSTM)相结合,建立深度卷积长短时记忆模型(DCNN-LSTM)学习船舶时空行为特征,并结合船舶超速、掉头、追越三种违章行为进行实验分析.结果表明,DCNN-LSTM模型相较于CNN、LSTM和支持向量机(SVM)模型表现出较强的优势,其准确率、精确率和F1分别为88.96%、96.49%和92.87%,实现了船舶违章行为的精准检测和识别.以典型水域船舶违章行为进行实例分析,进一步论证了DCNN-LSTM的有效性和优越性.为桥区水域船舶安全监管提供了可靠的理论基础,推动了船舶智能化发展. 展开更多
关键词 深度学习 内河航道 CNN LSTM dcnn-LSTM
在线阅读 下载PDF
基于1DCNN-BiLSTM的航空发动机故障分类研究 被引量:2
13
作者 孔令刚 康时嘉 +3 位作者 吴家菊 左洪福 杨永辉 程铮 《现代电子技术》 北大核心 2024年第20期129-135,共7页
随着航空发动机运行状态的变化,其故障模式也会发生变化。针对航空发动机的运行退化趋势,提出一种基于1DCNN-BiLSTM的航空发动机故障分类模型。该模型可以直接用于原始监测数据,不需要其他算法提取故障退化特征,并且能充分利用1DCNN提... 随着航空发动机运行状态的变化,其故障模式也会发生变化。针对航空发动机的运行退化趋势,提出一种基于1DCNN-BiLSTM的航空发动机故障分类模型。该模型可以直接用于原始监测数据,不需要其他算法提取故障退化特征,并且能充分利用1DCNN提取时间维度局部特征的优势,以及BiLSTM处理非线性时间序列及利用双向上下文信息的特点,最后连接全连接层来学习双向时序依赖的特征信息,并使用softmax函数来诊断故障类别。在美国航空航天局公开的CMAPSS数据集上进行验证,将故障模式分为无故障、HPC故障(单一故障)、HPC&Fan故障(混合故障)三种类型。实验结果表明,与其他模型对比,所提模型具有较高的分类精度,这对提高航空发动机运行可靠性和进一步进行剩余使用寿命预测有一定的实用价值。 展开更多
关键词 航空发动机 发动机故障 故障分类 1dcnn BiLSTM 非线性时间序列
在线阅读 下载PDF
基于1DCNN-LSTM尾矿坝浸润线预测 被引量:1
14
作者 杨玉好 杨斌 +2 位作者 胡军 董文宇 金实 《有色金属工程》 CAS 北大核心 2024年第7期138-146,共9页
准确预测浸润线位置变化对尾矿坝的稳定性和安全性至关重要,为充分挖掘浸润线数据提供的空间特征和时序信息,提出将一维卷积神经网络(1DCNN)和长短期记忆神经网络(LSTM)相结合方法预测浸润线。以辽宁省齐大山风水沟尾矿库主坝为例,使用... 准确预测浸润线位置变化对尾矿坝的稳定性和安全性至关重要,为充分挖掘浸润线数据提供的空间特征和时序信息,提出将一维卷积神经网络(1DCNN)和长短期记忆神经网络(LSTM)相结合方法预测浸润线。以辽宁省齐大山风水沟尾矿库主坝为例,使用历史浸润线、库水位、坝体内外部位移、干滩长度5个主要因素作为模型输入数据,预测未来1 d和未来3 d的浸润线位置。将1DCNN-LSTM模型与经典的LSTM和反向传播神经网络(BP)进行对比研究。结果表明,1DCNN-LSTM浸润线预测的决定系数(R^(2))均在0.9以上,未来1 d的浸润线预测误差均值绝对值为0.004 m,最大误差绝对值为0.06 m,未来3 d的浸润线预测误差均值绝对值为0.003 m,最大误差绝对值为0.065 m,优于经典模型。这为短期浸润线预测提供一定的参考依据。 展开更多
关键词 1dcnn网络 LSTM网络 浸润线 尾矿坝 预测
在线阅读 下载PDF
基于EMD与DCNN混合智能煤岩识别方法研究 被引量:3
15
作者 李雄 沈良 +5 位作者 田亚锋 尹家宽 王立阳 杨东晨 慕礼洋 朱益军 《煤矿机械》 2024年第1期58-60,共3页
针对现有煤岩识别模型和方法准确率低、稳定性差、难以在工程实践中获得应用的问题,提出了基于经验模式分解(EMD)与深度卷积神经网络(DCNN)的混合智能识别方法。首先,应用EMD对采煤过程中的振动信号进行分解,得到一系列的本征模式分量(I... 针对现有煤岩识别模型和方法准确率低、稳定性差、难以在工程实践中获得应用的问题,提出了基于经验模式分解(EMD)与深度卷积神经网络(DCNN)的混合智能识别方法。首先,应用EMD对采煤过程中的振动信号进行分解,得到一系列的本征模式分量(IMF)。然后利用DCNN进行IMF信息的融合,并自动提取特征信息。最后使用Softmax实现煤岩分界的智能识别。工程应用试验数据表明,该方法能够有效、准确地实现煤岩分界的识别,并具有良好的稳定性。 展开更多
关键词 煤岩识别 EMD dcnn 煤炭开采
原文传递
基于1DCNN-BiLSTM-BiGRU的电能质量扰动分类方法 被引量:4
16
作者 王立辉 柯泳 苏如开 《电气技术》 2024年第5期51-56,64,共7页
为了应对电能质量扰动(PQD)识别中噪声干扰导致的识别率下降问题,本文提出一种基于一维卷积神经网络(1DCNN)-双向长短期记忆(BiLSTM)网络-双向门控循环单元(BiGRU)的PQD分类方法。该方法首先借助1DCNN有效地提取原始信号的浅层局部特征... 为了应对电能质量扰动(PQD)识别中噪声干扰导致的识别率下降问题,本文提出一种基于一维卷积神经网络(1DCNN)-双向长短期记忆(BiLSTM)网络-双向门控循环单元(BiGRU)的PQD分类方法。该方法首先借助1DCNN有效地提取原始信号的浅层局部特征,然后通过BiLSTM和BiGRU组合模块对时序信息和上下文关系进行深入处理,从而实现深层时序特征的提取。最后,将所提取的特征经分类模块用于PQD识别。仿真结果表明,与传统方法相比,本文所提方法在准确性方面更具优势,且抗噪声能力更强。 展开更多
关键词 电能质量 一维卷积神经网络(1dcnn) 双向长短期记忆(BiLSTM)网络 双向门控循环单元(BiGRU)
在线阅读 下载PDF
基于3DCNN的动作识别机器人 被引量:1
17
作者 卞玮 李居尚 +3 位作者 曹炳楠 王彬 乔国森 暴晓宁 《电子制作》 2024年第8期41-44,29,共5页
随着科技的不断进步,人工智能应用领域随之拓展。本文设计并实现了基于3DCNN卷积神经网络的动作识别机器人,同时对机器人的硬件设计、软件设计、总体调试、拓展功能等方面进行了详细阐述。本设计根据仿生运动原理,实现了四足机械臂的运... 随着科技的不断进步,人工智能应用领域随之拓展。本文设计并实现了基于3DCNN卷积神经网络的动作识别机器人,同时对机器人的硬件设计、软件设计、总体调试、拓展功能等方面进行了详细阐述。本设计根据仿生运动原理,实现了四足机械臂的运动及抓取,该机器人拥有4个自由度的机械臂,和12个自由度的姿态变换,利用STM32F407的FreeRTOS实时操作系统控制,该系统具有低功耗、响应快、效率高等优点,能够准确完成动作指令。本设计在动作识别控制领域,取得了长足进展。 展开更多
关键词 3dcnn STM32F4 动作识别机器人
在线阅读 下载PDF
基于1DCNN-GRU的启闭机液压系统故障诊断 被引量:4
18
作者 刘英杰 董詠依 +1 位作者 刘鹏鹏 葛孟伟 《现代制造技术与装备》 2024年第4期169-173,共5页
由于启闭机液压系统内部结构复杂,故障信号不易采集,使用AMESim软件搭建启闭机液压系统仿真模型,构建6种典型故障数据集。基于这些数据集,提出一维卷积神经网络(1 Dimensional Convolutional Neural Network,1DCNN)与门控循环单元(Gated... 由于启闭机液压系统内部结构复杂,故障信号不易采集,使用AMESim软件搭建启闭机液压系统仿真模型,构建6种典型故障数据集。基于这些数据集,提出一维卷积神经网络(1 Dimensional Convolutional Neural Network,1DCNN)与门控循环单元(Gated Recurrent Unit,GRU)相结合的故障诊断方法,利用1DCNN提取信号数据的空间特征和GRU提取信号数据的时间特征,实现对信号数据空间及时间特征的融合,并对融合特征进行分类识别。 展开更多
关键词 启闭机 液压系统 一维卷积神经网络(1dcnn) 门控循环单元(GRU) 特征融合 故障诊断
在线阅读 下载PDF
Acoustic emission signal identification of different rocks based on SE-1DCNN-BLSTM network model
19
作者 WANG Weihua WANG Tingting 《Global Geology》 2024年第1期43-55,共13页
In order to study fracture mechanism of rocks in different brittle mineral contents,this study pro-poses a method to identify the acoustic emission signal released by rock fracture under different brittle miner-al con... In order to study fracture mechanism of rocks in different brittle mineral contents,this study pro-poses a method to identify the acoustic emission signal released by rock fracture under different brittle miner-al content(BMC),and then determine the content of brittle matter in rock.To understand related interference such as the noises in the acoustic emission signals released by the rock mass rupture,a 1DCNN-BLSTM network model with SE module is constructed in this study.The signal data is processed through the 1DCNN and BLSTM networks to fully extract the time-series correlation features of the signals,the non-correlated features of the local space and the weak periodicity law.Furthermore,the processed signals data is input into the fully connected layers.Finally,softmax function is used to accurately identify the acoustic emission signals released by different rocks,and then determine the content of brittle minerals contained in rocks.Through experimental comparison and analysis,1DCNN-BLSTM model embedded with SE module has good anti-noise performance,and the recognition accuracy can reach more than 90 percent,which is better than the traditional deep network models and provides a new way of thinking for rock acoustic emission re-search. 展开更多
关键词 BRITTLENESS acoustic emission signal 1dcnn BLSTM SENet
在线阅读 下载PDF
基于1DCNN的张力辊速度超差检测
20
作者 刘真甫 牛锐祥 《山西冶金》 CAS 2024年第5期22-24,共3页
速度超差是冷轧连续退火机组张力辊组最常见的问题,甚至造成诸多废降次产品,影响产品质量管控。以某连续退火机组多次发生速度超差异常的出口段张力辊为例,为提高张力辊速度超差检测效率,提出基于一维卷积神经网络(1DCNN)的张力辊速度... 速度超差是冷轧连续退火机组张力辊组最常见的问题,甚至造成诸多废降次产品,影响产品质量管控。以某连续退火机组多次发生速度超差异常的出口段张力辊为例,为提高张力辊速度超差检测效率,提出基于一维卷积神经网络(1DCNN)的张力辊速度超差故障检测方法,实验验证表明,该方法具有较高的检测效率,可准确判断速度超差发生的时间和位置,为张力辊的周期性维护计划提供指导,同时为张力辊设备的健康管理提供新方法。 展开更多
关键词 1dcnn 张力辊 速度超差 故障检测
在线阅读 下载PDF
上一页 1 2 14 下一页 到第
使用帮助 返回顶部