共查询到20条相似文献，搜索用时 46 毫秒
1.
由于旋转机械振动信号是一维的,且大尺寸卷积核可获得更大的感知野,在经典卷积神经网络模型(LetNet-5)的基础上设计了带有大尺寸卷积核的一维卷积核神经网络(1DLCNN).由于1DLCNN的超参数对网络性能影响较大,利用遗传算法对网络模型中的一些超参数进行寻优,并将这种利用遗传算法优化1DLCNN参数的方法称为GA-1DLCNN.试验结果表明,基于GA-1DLCNN方法所得到最优网络模型可以实现99. 9%的故障诊断精度,远远高于其他几种传统的故障诊断方法.此外,将采用大尺寸卷积核的一维卷积神经网络与小尺寸卷积核的一维卷积神经网络以及经典二维卷积神经网络模型进行对比,输入样本长度分别设定为128,256,512,1 024,2 048,最终的诊断精度结果以及可视化散点图显示1DLCNN的效果最优. 相似文献
2.
《绵阳师范学院学报》2019,(11):22-26
在手写数字识别数据集(MNIST)情景下,为了提高卷积神经网络的识别正确率,提出了一种改进的基于卷积神经网络(CNN)的多尺度特征识别算法.首先,利用卷积操作和池化操作提取图像中的全局特征及局部特征,通过二次卷积与特征融合获得数字图像的多尺度特征.然后,将多尺度特征送入全连接网络和Soft Max分类器,实现手写数字图像识别.最后,通过对不同网络结构的CNN算法进行评估表明,本文提出的算法可以有效提高网络精度,具有较好的泛化能力. 相似文献
3.
《东南大学学报》2020,(1)
针对滚动轴承振动信号的非平稳性和易被背景噪声干扰导致故障难以被准确诊断的问题,提出了一种基于时频阈值降噪同步压缩变换(TDSST)和卷积神经网络(CNN)的滚动轴承故障诊断方法.由于传统的小波阈值降噪及小波相邻系数降噪方法受信号噪声方差估计精度影响大,因此采用了基于STFT谱相关系数阈值寻优的时频降噪方法,将其与同步压缩变换结合,并用滚动轴承模拟冲击故障信号验证了TDSST方法降噪及提高时频分辨率的能力.最后,利用CNN对TDSST方法处理得到时频图进行诊断,滚动轴承实验数据诊断结果表明了所提方法能够有效地提高诊断准确率,当轴承信号信噪比大于0 dB时,诊断准确率都达到了95%以上,即使信噪比降到-4 dB时,诊断准确率也维持在80%左右,并且多次测试结果的标准差较小,表明方法具有良好的鲁棒性. 相似文献
4.
基于小波分解频带能量特征和BP神经网络的方法识别油浸式变压器短路故障。利用电弧光信号进行油浸式变压器短路故障诊断,对不同工况下的光信号进行多分辨率分析的四层小波分解,选择合适的重构小波系数,提取特征频带。对提取出的特征频带的小波系数作平方和归一化处理,求出每个特征频带的能量,作为特征参数输入到BP神经网络模型中进行训练和故障识别。 相似文献
5.
随着人机交互技术和机器学习技术的发展,人脸表情识别技术逐渐成为研究热点。针对传统人脸表情识别算法鲁棒性差、表情特征提取能力不足的问题,提出一种改进的基于卷积神经网络的人脸表情识别算法。首先对人脸图像进行预处理,检测并分割出人脸关键点的部分图像,然后输入到包含卷积神经网络通道和卷积稀疏自编码(CSAE)预训练通道的双通道模型中。其中卷积神经网络通道部分使用了批量正则化(Batch Normalization)和ReLU激活函数,加快了模型训练速度,解决了梯度消失问题,同时增加了模型的非线性表达能力。通过引入Dropout技术,解决了网络的过拟合问题。在另一个通道,对输入的人脸表情图像增加了卷积稀疏自编码进行无监督预处理。实验结果表明,该算法在JAFFE、CK+人脸表情数据集上均获得了较好的识别效果。 相似文献
6.
为了提高语音情感识别的准确度，探讨了将Transformer应用于语音情感识别的可能性.将对数梅尔尺度谱图及其一阶差分特征相融合作为输入，使用Transformer来提取分层语音表示，分析注意头个数和Transformer编码器层数的变化对识别精度的影响.结果表明，在ABC、CASIA、DES、EMODB和IEMOCAP语音情感数据库上，相比以MFCC为特征的Transformer,所提模型的精度分别提高了13.98%、8.14%、24.34%、8.16%和20.9%.该模型表现优于递归神经网络(RNN)、卷积神经网络(CNN)、Transformer等其他模型. 相似文献
7.
为提高癫痫脑电图(electroencephalography, EEG)信号识别的准确率,提出了一种将一维卷积神经网络(convolutional neural network, CNN)与长短期记忆网络(long short-term memory network, LSTM)相结合的新模型(CNN-LSTM模型)。首先采用3个卷积块来搭建CNN,用于提取EEG序列的局部内在特征;然后利用LSTM学习长期序列依赖关系;最后利用具有Softmax激活函数的全连接神经网络实现癫痫EEG信号的自动识别。采用德国波恩大学癫痫研究室的癫痫数据库中的数据进行实验分析。结果表明,CNN-LSTM模型具有良好的分类性能,平均分类准确率达到99.1%。 相似文献
8.
针对现有道路表观病害检测识别精度低、漏判、误检率高的问题,提出了一种改进的道路表观病害检测高精度识别模型(improved pavement detection-YOLOv5, IPD-YOLOv5)。在YOLOv5的主干特征提取网络中添加由不同空洞卷积组成的ASPP模块,引入SE-Net注意力机制以加强算法从裂缝图像中提取不同尺度特征的能力,实现多尺度特征图的有效融合。结果表明：较传统检测算法,所提的IPD-YOLOv5模型在道路裂缝病害检测上的识别精度最高,其中平均精度比未改进的YOLOv5算法提高了7.47%,漏判率降低了10.29%。 相似文献
9.
10.
针对人工目视检测机场助航灯故障诊断效率较低且存在主观因素的弊端,提出一种基于卷积神经网络深度学习的助航灯故障自动诊断方法。该方法通过卷积网络模型自动提取图像特征,并对故障进行分类,最终实现助航灯故障自动诊断。用采集到的助航灯等光强图对网络模型进行训练,再用测试集对模型测试,测试集诊断结果准确度高达94.84%。通过理论和实验数据分析说明,训练后的卷积神经网络模型能对助航灯故障进行高效、准确的自动诊断。 相似文献
11.
为解决手工提取图像特征过程繁复和参数复杂问题,提出一种基于深度学习的协同KPCANet模型。该算法能够对现场采集到的人脸数据和特征进行提取和分类,通过提取分块直方图特征进行编码协同表示,将测试样本归于残差最小的类中对人脸数据进行识别和运算。实验结果表明,协同KPCANet模型在滤波器数量L1=10时一层卷积层与L2=15时二层卷积层的正确率分别达到99.17%和99.44%。协同KPCANet模型不仅能使运算过程简洁,还能提高识别结果准确度,提升识别效率。 相似文献
12.
徐晓卫 《江苏经贸职业技术学院学报》2019,(3)
汽车变速箱是汽车传动系统的核心部件。为提高汽车变速箱故障诊断准确率,本研究提出一种基于支持向量机的故障诊断模型。利用三轴压电式加速度传感器,分别从正常齿轮和缺齿齿轮中获取振动信号,从信号中提取特征值作为支持向量机的输入用于故障识别。通过实例验证,相对于BP神经网络故障诊断模型,基于SVM的故障诊断模型具有更高的诊断精度,对变速箱的故障预测和实时诊断具有实际参考意义。 相似文献
13.
为了保障风机的正常运行,提出基于自编码（Autoencoder,AE）的风机故障检测方法。依据法国风机ENGIE公开的风速传感器数据,建立欠完备自编码模型（UAE）、去噪自编码模型（DAE）与收缩编码器（CAE）模型,对风机风速传感器数据进行编码和解码,计算重构误差并设定阈值进行故障检测。用多风机风速传感器数据建立PCA模型并与去噪编码器模型对比。根据ROC曲线与AUC值对比,得出欠完备自编码模型、去噪自编码模型、收缩编码器模型均可用于风机异常检测,且收缩编码器效果最好的结论。PCA模型也可用于故障检测,同时多风机故障检测效果高于单一风机。 相似文献
14.
轴承作为工业中旋转机械中的重要部件,其故障将严重影响机械设备的安全运行.为了实现对轴承运行故障状态的有效诊断,提出了一种基于经验模态分解(empirical mode decomposition,EMD)提取的多特征参数的关联向量机的(Relevance vector machine,RVM)的滚动轴承的多故障诊断模型.首先运用经验模态分解的方法将轴承振动信号分解为多个固有的模态分量,之后将提取的表征轴承故障特征的IMF分量的能量、峭度、偏度构造特征向量,最后采用关联向量机多分类故障诊断模型进行故障模式识别.轴承实测振动信号分析表明:该方法能够有效、准确地诊断出轴承的故障状态,具有较高故障诊断准确率. 相似文献
15.
为了提高视频中人体行为识别的准确率,更好地利用视频中的原始信息,提取出更具有代表性的特征,提出一种基于3D卷积神经网络的人体行为识别方法。该方法构建了一个深层三维卷积神经网络模型,使用三维卷积核进行卷积操作,提取视频中人体行为的时域和空域特征,通过多层卷积操作对底层特征进行再组合,得到抽象的高维特征。在KTH数据集上的实验结果表明,该方法有较好的识别效果。 相似文献
16.
《滨州学院学报》2022,(2):27-35
滚动轴承是航空发动机转子系统中重要的支撑部件,其运行状态直接影响整台发动机的工作性能。介绍了基于盲源分离技术的滚动轴承振动信号分析与故障诊断方法,分析了滚动轴承典型故障机理。通过对某型航空发动机进行现场测试,完成了针对其轴承振动信号的测试和数据采集工作,并通过MATLAB软件编程实现其振动信号的分析。采用盲源分离中的独立分量分析(ICA)方法和频谱分析方法,提取主轴轴承的振动信号并与理论计算的故障频率对比,进行轴承故障诊断及状态识别。对实际航空发动机轴承及模拟试验台滚动轴承振动测试信号的分析结果表明,所采用的盲源分离方法可以有效地检测和诊断滚动轴承故障。 相似文献
17.
耿子康 《绵阳师范学院学报》2023,(8):42-47+57
对故障信号进行分离可以提升城轨机电设备稳定性,为提高城轨机电设备故障信号分离效率,提出了基于TD-LTE技术的城轨机电设备故障信号分离方法.根据非线性函数将设备低维故障信号特征映射到高维空间,引入惩罚函数,对机电设备故障信号进行分类,结合拉格朗日因子算法,提取城轨机电设备故障特征.根据城轨机电设备结构,分析了机电设备受力情况,分析列车受力的传递过程,构建城轨机电设备动力学模型.利用TD-LTE技术采集网络无线接口有关的数据,通过线性瞬时混合,输出机电设备故障观测信号,结合经验模式分解,实现城轨机电设备故障信号的分离.实验结果表明,本方法能够分离出城轨机电设备故障信号,并将误码率和精度分别控制在10%以内和85%以上,大大提高了故障信号的分离效果. 相似文献
18.
针对时变信号小样本集建模分类问题,提出一种深层多尺度径向基过程神经网络（DLMS-RBFPNN）。该模型由时变信号输入层、多尺度径向基核变换层、全连接层和感知机分类器构成。兼顾时变信号的频谱特征和分布形态的多样性,基于径向基过程神经网络,通过将不同宽度参数的Gauss核函数进行线性叠加,构成多尺度核,完成不同尺度上对过程信号形态特征的提取、辨识和相似性度量。通过在径向基核函数层之上叠加全连接层和分类器,实现时变信号不同尺度特征的融合和分类。DLMS-RBFPNN具有较少的模型参数,适用于小样本集建模,在机制上可提高对时变信号过程细节特征和趋势特征的辨识及记忆能力。在分析DLMS-RBFPNN性质的基础上,建立一种基于动态聚类算法的核中心函数确定方法以及基于PSO的模型参数优化求解算法。以旋转机械基于示功图信号的故障诊断为例进行实验,结果验证了模型和算法的有效性。 相似文献
19.
通信中的流量识别工作将直接影响网络管理整体效率。针对复杂网络中的加密流量识别问题,结合网络流量与文本结构相似性,提出一种基于卷积神经网络的优化识别模型。综合考虑数据包的多样性,对原始网络数据进行预处理,以保证算法输入数据结构的一致性。同时,算法增加卷积操作,以提高模型特征提取效率。仿真结果表明,提出的卷积神经网络模型在复杂网络环境中,加密流量的服务识别与应用识别都有较高准确率。 相似文献
20.
随着人工智能的发展,计算机对于输入的手写字符识别需求越来越大,采用改进的卷积神经网络对手写字符进行识别分类。用VGGNet16模型构造卷积神经网络模型,每一层都加上批标准化,通过平均值池化对卷积层进行下采样,利用PRELU激活函数代替ReLU激活函数,最后通过Softmax分类器对手写字符图像进行分类。在MNIST手写数字数据集和EMNIST-bymerge手写字母及数字数据集下进行实验,改进的卷积神经网络模型在MNIST数据集中识别准确率提升到99.65%,在EMNIST数据集中识别准确率为90.37%。因此,改进模型识别准确率较高,适用于手写字符识别。 相似文献