检索结果-内蒙古大学图书馆

作者：贺珂珂兰州理工大学

学位级别：硕士

电机作为工农业生产必不可少的设备,具有十分重要的地位。若电机运行过程中出现故障,不仅造成经济损失,甚至威胁人的生命安全。目前传统的故障诊断方法大多数采用信号处理提取特征向量,提取过程需人为掌握大量的信号处理方法和诊断经验... 详细信息

电机作为工农业生产必不可少的设备,具有十分重要的地位。若电机运行过程中出现故障,不仅造成经济损失,甚至威胁人的生命安全。目前传统的故障诊断方法大多数采用信号处理提取特征向量,提取过程需人为掌握大量的信号处理方法和诊断经验,使诊断过程相对复杂,导致结果误判的可能性增加。因此,将原先对电机的定期检修转变为预知维修,减少维修费用,研究先进的电机故障诊断方法具有重要意义。近年来,由于人工智能发展迅速,深度学习在多个领域彰显了处理复杂任务的能力。本文着重研究深度学习的两种模型,以及该模型在故障诊断领域的应用。主要研究工作和内容如下:(1)系统学习了深度学习的基本理论及常用方法,由于浅层机器学习方法需要大量的先验知识和信号处理理论,泛化能力较弱等,重点研究深度学习中长短时记忆网络与堆栈稀疏自编码器两种模型,论述该模型的基本理论与算法,并通过这两个模型所应用的算法均有效改善传统方法存在的局限性。(2)研究了长短时记忆神经网络:由于在电机故障诊断中采用传统神经网络时存在忽略不同数据之间的相关性,无法学习长期依赖关系,并且在回馈信息的过程中出现梯度消失等问题,将长短时记忆神经网络与Softmax多分类器结合,构建故障诊断模型。根据该网络在提取时间序列特征方面的良好特性,有效提取故障数据特征,并将具有强泛化能力和鲁棒性的Softmax多分类器对其分类,从而识别出三种常见电机故障。通过TensorFlow进行仿真试验,试验结果表明所采用模型的诊断方法优于传统的电机故障诊断方法。(3)研究了堆栈稀疏自编码器:针对采用传统网络易陷入局部最优等问题,根据有标签数据提取故障特征,且实验样本数据量较小,而在电机监测的大数据背景下,浅层网络对于复杂分类问题受到一定约束。因此,应用一种堆栈稀疏自编码器的特征学习方法,该模型由稀疏自编码器组合构建深层次的神经网络,提取故障信号特征,对采集到的数据经过频域变换后作为堆栈稀疏自编码器的输入,与Softmax多分类器结合。最后,通过仿真验证了所应用方法的有效性,且提高了诊断的准确率。

关键词：故障诊断堆栈稀疏自编码器长短时记忆神经网络 Softmax多分类器

来源：评论

学校读者我要写书评

暂无评论

基于LSTM-DT模型的网络安全态势感知研究

基于LSTM-DT模型的网络安全态势感知研究

引用

作者：张颢芳黑龙江大学

学位级别：硕士

当今社会,互联网技术飞速发展,大数据、云计算、人工智能等高新技术的发展完善,便利了民众生活,促进了社会生产,但同时也引发了诸多安全问题。网络空间作为除“海陆空”外的第四大空间,其安全显得尤为重要。在此背景下,网络安全态势感... 详细信息

当今社会,互联网技术飞速发展,大数据、云计算、人工智能等高新技术的发展完善,便利了民众生活,促进了社会生产,但同时也引发了诸多安全问题。网络空间作为除“海陆空”外的第四大空间,其安全显得尤为重要。在此背景下,网络安全态势感知技术得到了蓬勃发展,它可以帮助我们了解网络的实际运行情况,甚至可以根据网络的历史状态预测其未来趋势。为了更好地理解攻击者的意图并准确地描述网络状态,本文提出一种网络安全态势感知模型,内容和创新点如下:·本文创新性地提出了一种网络安全态势感知方法,结合神经网络、决策树、自编码器等手段从三个方面感知网络安全状态,分为网络态势要素提取、网络态势评估和网络态势预测。·本文提出了“攻击发生概率”的概念,通过长短期记忆神经网络预测各类攻击的概率,改变了以往学者对态势只能识别攻击类型的局限性。·本文提出了“攻击影响度”的概念,采用层次分析法及决策树算法识别的攻击类型,并对攻击影响进行评估,使识别出的攻击类型有了更客观的表达。·将该模型应用于UNSW＿NB15和KDD-CUP99数据集开展实验,结果表明,模型具有良好的稳定性。在描述一般网络环境时,预测精度可以达到95%,而在描述复杂网络环境时,预测精度仍然可以保持在80%以上。结合前期攻击发生概率及影响度,得到最终网络态势值,并绘制相应曲线,分析网络运行状态。实验表明,与以往的研究成果相比,该方法具有一定进步。

关键词：网络安全态势感知层次分析法堆栈稀疏自编码器长短期记忆网络决策树

来源：评论

学校读者我要写书评

暂无评论

基于多特征集成的PolSAR浮筏养殖目标识别

基于多特征集成的PolSAR浮筏养殖目标识别

引用

作者：胡园园大连理工大学

学位级别：硕士

极化合成孔径雷达(Polarimetric Synthetic Aperture Radar,PolSAR)主动辐射微波,记录目标散射回波的全极化信息,利于分析目标散射机制,不受太阳辐射和天气限制,已成功应用于目标识别等领域。浮筏养殖监测属于海洋监测的类型之一,浮筏... 详细信息

极化合成孔径雷达(Polarimetric Synthetic Aperture Radar,PolSAR)主动辐射微波,记录目标散射回波的全极化信息,利于分析目标散射机制,不受太阳辐射和天气限制,已成功应用于目标识别等领域。浮筏养殖监测属于海洋监测的类型之一,浮筏目标的精确识别利于规划海域养殖资源、保持良好的海洋生态环境。PolSAR图像能反映目标的后向散射特性,清晰显示浮筏养殖的区域,为精确识别浮筏目标提供数据源。然而,PolSAR图像缺乏有效特征,且存在大量不规则相干斑噪声,导致图像中存在较多孤立噪点,浮筏目标区域内部不连贯,边缘模糊不清,增加了浮筏目标精确识别难度。为了克服以上问题,本文基于PolSAR图像中的浮筏养殖特性,设计了完整有效的浮筏养殖目标识别流程,主要工作和创新点如下:为了有效实现多特征提取和集成,根据浮筏目标散射机制类型和条带状成像特点,提取极化、纹理和轮廓特征,提出了非局部多核模糊C均值算法实现多特征集成。针对三类特征设计特定数目不同核宽度的核函数,自适应调整核函数权重,充分发挥有利核函数对识别结果的作用。实验采用辽宁省长海县邻近海域的浮筏养殖数据进行测试,结果表明所提算法能精确识别浮筏目标,减少孤立噪点,抑制相干斑噪声。为了有效抑制相干斑噪声,提出了结合广义局部二值模式和广义统计区域合并的超像素分割算法。根据乘性噪声模型改进得到广义局部二值模式,降低噪声敏感性。将纹理相似性判定标准加入广义统计区域合并算法的合并准则中,获得内部纹理一致性的超像素单元。提取轮廓特征以丰富数据特征维数,采用FCS算法聚类得到识别结果。实验采用辽宁省长海县邻近海域的浮筏养殖数据进行测试,结果表明所提方法对不同波段、不同分辨率和不同区域的图像均能精确识别浮筏养殖目标,具有普适性和鲁棒性。为了有效实现特征优化及分类识别,提出了自适应非局部堆栈稀疏自编码器网络。根据乘性噪声模型改进非局部均值算法,自适应优化邻域结构,获得自适应非局部空间信息。将其作为特征的一部分输入至网络中,并在网络第一层要求原始特征和其相互接近使特征具有鲁棒性,从而影响后续网络优化特征,最后采用Softmax回归器实现分类和识别。实验采用标准数据和浮筏养殖数据进行测试,结果表明该网络能提高分类识别精度,减少孤立噪点,获得更平滑清晰的类别边界,验证了其有效性和实用性。

关键词：浮筏养殖目标识别 PolSAR图像多特征集成超像素分割堆栈稀疏自编码器

来源：评论

学校读者我要写书评

暂无评论

长短时记忆网络在电机故障诊断中的应用研究

引用

自动化仪表 2019年第1期40卷 6-10页

作者：王惠中贺珂珂房理想兰州理工大学电气工程与信息工程学院甘肃兰州730050 甘肃省工业过程先进控制重点试验室甘肃兰州730050

针对电机故障诊断采用传统神经网络存在的梯度消失等问题,提出了一种长短时记忆(LSTM)神经网络与Softmax多分类器结合的诊断方法。首先,利用LSTM神经网络在提取时间序列特征方面的良好特性,通过LSTM神经网络与Softmax多分类器构建故障... 详细信息

针对电机故障诊断采用传统神经网络存在的梯度消失等问题,提出了一种长短时记忆(LSTM)神经网络与Softmax多分类器结合的诊断方法。首先,利用LSTM神经网络在提取时间序列特征方面的良好特性,通过LSTM神经网络与Softmax多分类器构建故障诊断模型。然后,通过Tensorflow学习框架有效提取故障数据特征,并将具有强泛化能力和鲁棒性的Softmax多分类器对其分类,从而诊断出电机内圈、外圈和滚珠三种常见故障,提高诊断结果的准确率,改善传统方法存在的不足。最后,仿真验证所提方法的有效性与可行性。与传统神经网络和堆栈稀疏自编码器分类结果相比,采用LSTM神经网络诊断方法其准确率达到98. 3%,在电机故障诊断中具有更好的诊断效果,且对提高故障诊断的准确率有一定的作用。

关键词：电机故障诊断梯度消失传统神经网络长短时记忆神经网络堆栈稀疏自编码器 Softmax多分类器泛化能力时间序列

来源：评论

学校读者我要写书评

暂无评论

一种面向能源工程数据评估的改进随机森林算法设计

引用

电子设计工程 2024年第18期32卷 57-61页

作者：马林国网甘肃省电力公司经济技术研究院甘肃兰州730050

传统电力工程数据稽核与评估方法的准确率偏低且效率较差,不适用于当前日益复杂的信息处理与分析工作。针对此,文中基于改进的随机森林算法提出了一种面向电力工程的异常数据检测算法。对于随机森林算法易受高维数据影响而导致信息特征... 详细信息

传统电力工程数据稽核与评估方法的准确率偏低且效率较差,不适用于当前日益复杂的信息处理与分析工作。针对此,文中基于改进的随机森林算法提出了一种面向电力工程的异常数据检测算法。对于随机森林算法易受高维数据影响而导致信息特征提取能力不足的问题,该算法利用堆栈稀疏自编码器对高维数据进行降维,以提升数据检测的准确率。同时使用麻雀搜索算法对数据特征提取模型的参数加以优化,进一步提升了算法的性能和效率。在以电力工程造价数据为样本展开的实验测试中,所提算法的AUC与F1值领先于SSAE-RF算法2.73%及0.011,且异常数据识别率可达80%,运行时间也在对比算法中为最短,表明其具有较好的性能和计算效率。

关键词：工程造价随机森林堆栈稀疏自编码器麻雀搜索算法异常数据检测

来源：评论

学校读者我要写书评

暂无评论

基于SSAE的滚动轴承故障的分类预测

引用

内燃机与配件 2021年第1期 143-145页

作者：凌静重庆交通大学机电与车辆工程学院重庆400074

本文提出了一种基于堆栈稀疏自编码器(SSAE)的滚动轴承故障类别的自动识别方法。将原始轴承信号进行截断处理,既保留了有用信息,又扩充了样本数量,有利于神经网络的训练。采用双层SAE神经网络模型,结合softmax分类器,完成对轴承故障类... 详细信息

本文提出了一种基于堆栈稀疏自编码器(SSAE)的滚动轴承故障类别的自动识别方法。将原始轴承信号进行截断处理,既保留了有用信息,又扩充了样本数量,有利于神经网络的训练。采用双层SAE神经网络模型,结合softmax分类器,完成对轴承故障类别的自动识别,通过对比实验表明,本文所提方法稳定有效,且准确率高。

关键词：堆栈稀疏自编码器滚动轴承神经网络模型

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：